摘要
我们提出了一种基于潜在支撑面（latent support surfaces）的3D物体检测算法，用于捕捉室内场景中的上下文关系。现有的RGB-D图像3D表示方法虽然能够刻画物体类别的局部形状与外观特征，但在表征具有不同视觉风格的物体时能力有限。此外，由于3D场景中搜索空间极为庞大，小物体的检测仍面临挑战。然而，我们观察到，3D物体类别内部的大部分形状变化可由其潜在支撑面的位置来解释，且小物体通常依附于大物体之上。因此，我们显式地引入潜在支撑面，以更准确地建模大物体的3D外观，并为小物体检测提供有效的上下文线索。我们在SUN RGB-D数据集的19个物体类别上对所提模型进行了评估，实验结果表明，该方法达到了当前最先进的检测性能。