BriefGPT - AI 论文速递
·
室内 3D 物体检测的 Syn-to-Real 无监督领域自适应
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文提出了一种新颖的室内三维物体检测框架OHDA，通过数据增强和自适应框架实现域对齐，取得了显著的改进。
🎯
关键要点
- 提出了一种新颖的室内三维物体检测框架OHDA。
- 框架包括面向对象的数据增强策略，以有效多样化源域数据。
- 引入了由对抗训练分支和伪标记分支组成的两分支自适应框架。
- 实现了整体级和类别级的域对齐。
- 在Synthetic数据集3D-FRONT到真实数据集ScanNetV2和SUN RGB-D上分别取得了9.7%和9.1%的mAP25改进。
➡️
