CVPR2021 Part 2：百篇AR/VR关联性研究成果汇总

编辑：刘余欣 | 分类：论文 | 2021年7月8日

或能应用于增强现实/虚拟现实的部分论文及相关摘要

（映维网 2021年07月08日）2021年计算机视觉和模式识别大会（Conference on Computer Vision and Pattern Recognition；CVPR）早前已经公布了收录的论文，涵盖对象映射与渲染，3D人类姿态生成，语义分割和透明对象关键点估计等一系列的计算机视觉研究。

延伸阅读：CVPR2021 Part 1：百篇AR/VR关联性研究成果汇总

延伸阅读：CVPR2021 Part 2：百篇AR/VR关联性研究成果汇总

延伸阅读：CVPR2021 Part 3：百篇AR/VR关联性研究成果汇总

下面映维网整理了或能应用于增强现实/虚拟现实的部分论文及相关摘要，一共分三篇，这是第二篇：

1. Single-Stage Instance Shadow Detectionwith Bidirectional Relation Learning

CVPR2021 Part 2：百篇AR/VR关联性研究成果汇总

实例阴影检测的目的是找到与投射阴影的对象配对的阴影实例。之前的研究采用两阶段框架，首先从区域建议中预测阴影实例、对象实例和阴影对象关联，然后利用后处理对预测进行匹配，并形成最终的阴影对象对。本文提出了一种新的单阶段完全进化网络结构，通过一个双向关系学习模块，其以端到端的方式直接学习阴影和对象实例之间的关系。与以往的研究相比，本方法积极探索阴影与对象之间的内在联系，更好地学习阴影与对象之间的配对，从而提高了阴影检测的整体性能。

相关论文：Single-Stage Instance Shadow Detectionwith Bidirectional Relation Learning

2. Semantic Segmentation for Real Point Cloud Scenes via Bilateral Augmentation and Adaptive Fusion

CVPR2021 Part 2：百篇AR/VR关联性研究成果汇总

鉴于当前三维传感器的突出特点，对基本点云数据进行细粒度分析是值得进一步研究的问题。特别是真实的点云场景能够直观地捕捉到真实世界中的复杂环境，但三维数据的原始性对机器感知提出了很大的挑战。在这项研究中，我们专注于基本的视觉任务：语义分割。一方面，为了减少邻近点的歧义，我们充分利用双边结构中的几何和语义特征来增强其局部情景。另一方面，我们从多个分辨率综合解释了点的显著性，并在点级采用自适应融合的方法表示特征图，从而实现了精确的语义分割。另外，为了验证我们的关键模块，我们提供具体的消融研究和直观的可视化。通过在三个不同的基准上与最先进的网络进行比较，我们证明了我们网络的有效性。