nb_200926_2020_cvpr_PCNet

Self-Supervised Scene De-occlusion
中文作者自述

• cvpr2020

I. Abstract

• Scene de-occlusion
  • 目标：
    • 分解图像：将图中物体提取出来成为独立的完整物体实体——判断遮挡顺序，补齐遮挡部分。
    • 重组图像：重新组合提取到的物体，生成新的图像。
  • 相关概念：
    • 模态感知 （modal perception）：解析直接可见区域
    • 非模态感知 （amodal perception）：感知物体的完整结构，包括不可见部分。
    • 常见的Dl应用如目标检测、图像分割等，主要关注与模态感知。
  • 应用场景：
    • 高质量可控图像篡改，场景重构、对监督算法任务的样本自动标注(将模态遮罩标注变为非模态的)。
  • 自然场景理解 （natural scene understanding）</