AURORA: Automated Unleash of 3D Room Outlines for VR Applications
Texas A&M University（德克萨斯农工大学）
提出AURORA方法，利用RGB-D图像自动生成VR场景，集成图像处理、分割和3D重建技术，结合基础模型优势，在自采和公共数据集上验证了生成符合现实定位的室内设计的有效性。
2024-12-15 cs.CV
EGSRAL: An Enhanced 3D Gaussian Splatting based Renderer with Automated Labeling for Large-Scale Driving Scene
Advanced Micro Devices, Inc.（超威半导体公司）
提出EGSRAL，一种基于3D高斯泼溅的大规模驾驶场景渲染方法，仅依赖训练图像无需额外标注，通过增强动静建模、引入自动标注适配器和分组策略，在多数据集上达到SOTA并提升检测任务性能。
2024-12-20 cs.CV
Convolutional Hashing for Automated Scene Matching
Castle Global, Inc.
我们提出了一个强大的新的损失函数和训练计划学习二进制哈希函数。特别是，我们证明了我们的方法，首次创建一个神经网络，优于国家的最先进的Haar小波和颜色布局描述符在自动场景匹配的任务。通过准确地将网络输出流形上的距离与汉明空间中的距离相关联，我们实现了非平凡假阳性率降低100倍，真阳性率显着提高。我们希望我们的见解为应用于其他信息检索哈希任务的哈希模型提供巨大的胜利。
2018-02-09 cs.CV cs.IR stat.ML
Layout Aware Inpainting for Automated Furniture Removal in Indoor Scenes
Geomagical Labs, Inc.（Geomagical实验室公司）
我们解决了从房间的广角照片中检测和擦除家具的问题。修补室内场景的大区域通常会导致修补遮罩内背景元素的几何不一致。为了解决这个问题，我们利用感知信息（例如实例分割和房间布局）来产生房间的几何一致的空版本。我们分享重要的细节，使这个系统可行，如每平面修复，自动整流，纹理细化。我们提供详细的消融以及定性的例子，证明我们的设计选择。我们展示了我们的系统的应用程序，从一个房间里删除真正的家具，并重新装修它与虚拟家具。
2022-10-27 cs.CV cs.MM
VeREFINE: Integrating Object Pose Verification with Physics-guided Iterative Refinement
TU Wien（维也纳工业大学）；Automation and Control Institute（自动化与控制研究所）
用于机器人应用的准确和鲁棒的对象姿态估计需要验证和细化步骤。在这项工作中，我们建议整合假设验证与物理模拟指导下的物体姿态细化。这允许在统一的优化中考虑单个对象姿态估计的物理可扩展性和估计场景的稳定性。该方法能够适应多个目标的场景，并有效地集中在多假设场景中最有希望的目标位姿。我们称这种综合方法为VeREFINE，并在具有不同场景复杂度的三个数据集上对其进行评估。该方法的一般性是通过使用三个国家的最先进的姿态估计器和三个基线细化。结果显示，所有基线和所有数据集都有所改善。此外，我们的方法被应用在现实世界中的抓取实验，并优于竞争的方法在把握成功率。代码可在github.com/dornik/verefine上公开获取。
2020-05-18 cs.CV cs.RO
SIMBAR: Single Image-Based Scene Relighting For Effective Data Augmentation For Automated Driving Vision Tasks
Ford Greenfield Labs（福特格林菲尔德实验室）；University of Michigan（密歇根大学）
真实世界的自动驾驶数据集包括从道路上不同驾驶中聚合的图像。以可控的方式将捕获的场景重新照亮到不可见的照明条件的能力提供了利用更丰富的各种照明条件来增强数据集的机会，类似于在现实世界中会遇到的情况。本文提出了一种新的基于图像的重光照流水线，SIMBAR，它可以工作与一个单一的图像作为输入。据我们所知，目前还没有关于利用来自单个图像的显式几何表示的场景重新照明的工作。我们提出了定性的比较与以前的多视图场景重新照明基线。为了进一步验证和有效量化利用SIMBAR进行自动驾驶视觉任务的数据增强的好处，使用最先进的方法进行了目标检测和跟踪实验，在SIMBAR增强的KITTI上使用CenterTrack实现了93.3%的多目标跟踪精度（MOTA），与基线MOTA 85.6%相比，相对提高了9.0%，令人印象深刻使用原始KITTI上的CenterTrack，两个模型都从零开始训练，并在Virtual KITTI上进行测试。有关更多详细信息和SIMBAR relit数据集，请访问我们的项目网站（https：//simbarv1.github.io/）。
2022-04-01 cs.CV cs.LG
MSG Score: Automated Video Verification for Reliable Multi-Scene Generation
Seoul National University（首尔大学）；Samsung Electronics（三星电子）
本文提出MSG Score用于评估长视频生成的叙事和视觉一致性，结合Implicit Insight Distillation解决评估与推理速度的平衡，实现可靠且可扩展的视频生成。
2026-04-08 cs.AI cs.CV
Zero-Shot Scene Understanding with Multimodal Large Language Models for Automated Vehicles
Queensland University of Technology（昆士兰科技大学）；Al-Ahliyya Amman University（阿曼尼亚阿曼大学）；Arab American University（阿拉伯美国大学）
该研究评估4款多模态大模型在自动驾驶零样本场景理解中的表现，探索多数投票集成法的效果，发现GPT-4o性能领先但与小模型差距不大，集成法效果不一，为自动驾驶场景下的多模态大模型优化提供参考。
2025-03-18 cs.CL cs.CV
TextInPlace: Indoor Visual Place Recognition in Repetitive Structures with Scene Text Spotting and Verification
Southern University of Science and Technology（南方科技大学）；Peng Cheng Laboratory（鹏城实验室）；University of Cambridge（剑桥大学）
针对室内重复结构导致的视觉位置识别困难，提出TextInPlace框架，通过集成场景文本检测与双分支架构提取文本特征进行重排序，并构建Maze-with-Text基准，显著提升了识别性能。
2025-08-11 cs.CV cs.RO
Formal Reasoning About Confidence and Automated Verification of Neural Networks
Indian Institute of Technology Bombay（印度理工学院孟买分校）；TCS Research（塔塔咨询服务公司研究院）；CNRS（法国国家科学研究中心）
本文提出了一种通用框架，用于在神经网络中正式推理置信度与鲁棒性，通过添加额外层实现统一验证，实验表明其优于传统方法。
2026-02-14 cs.AI cs.CV cs.LO
From Marginal to Joint Predictions: Evaluating Scene-Consistent Trajectory Prediction Approaches for Automated Driving
Pre-Development of Automated Driving, CARIAD SE（自动化驾驶前期开发，CARIAD SE）；Technical University of Munich (TUM)（慕尼黑技术大学）；Karlsruhe Institute of Technology (KIT)（卡尔斯鲁厄理工学院）
本文系统比较了自动驾驶中三类场景一致性联合轨迹预测方法，并从精度、多模态性和推理效率等方面分析了各自的优势与局限。
2025-07-07 cs.AI cs.CV cs.LG
Structured Interfaces for Automated Reasoning with 3D Scene Graphs
Massachusetts Institute of Technology（麻省理工学院）
针对LLM处理大型3D场景图时上下文序列化难以扩展的问题，本文提出基于图数据库和Cypher查询接口的检索增强方法，显著提升指令遵循与场景问答性能并减少token消耗。
2025-10-18 cs.AI cs.CV cs.RO
Visual and audio scene classification for detecting discrepancies in video: a baseline method and experimental protocol
Information Technologies Institute, CERTH（信息技术研究所，希腊研究与技术中心（CERTH））；Fraunhofer Institute for Digital Media Technology（弗劳恩霍夫数字媒体技术研究所）
本文提出一种基线方法，通过分别对音频和视觉模态进行场景分类来检测视频中的音视频不一致，并引入实验协议与基准数据集，在场景分类和差异检测上均取得良好效果。
2024-05-01 cs.CV cs.MM cs.SD
MetaScenes: Towards Automated Replica Creation for Real-world 3D Scans
State Key Laboratory of General Artificial Intelligence, BIGAI（通用人工智能国家重点实验室，BIGAI）；Beijing Institute of Technology（北京理工大学）；Tsinghua University（清华大学）；University of Science and Technology of China（中国科学技术大学）
本文提出MetaScenes大规模可仿真三维场景数据集和Scan2Sim多模态对齐模型，实现基于真实扫描的自动化资产替换，并通过场景合成与VLN领域迁移两个基准验证其对具身人工智能泛化和仿真到现实迁移的促进作用。
2025-05-05 cs.AI cs.CV cs.LG
