ICCV2023论文汇总：场景分析与理解 (Scene Analysis and Understanding)

Generalized  Few-Shot  Point  Cloud  Segmentation  via  Geometric  Words

通过几何词进行广义少样本点云分割

Boosting  3-DoF  Ground-to-Satellite  Camera  Localization  Accuracy  via  Geometry-Guided  Cross-View  Transformer

通过几何引导交叉视图变换器提高  3  自由度地对卫星相机定位精度

EP2P-Loc:  End-to-End  3D  Point  to  2D  Pixel  Localization  for  Large-Scale  Visual  Localization

EP2P-Loc：用于大规模视觉定位的端到端  3D  点到  2D  像素定位

Multi-Task  View  Synthesis  with  Neural  Radiance  Fields

具有神经辐射场的多任务视图合成

Visually-Prompted  Language  Model  for  Fine-Grained  Scene  Graph  Generation  in  an  Open  World

用于开放世界中细粒度场景图生成的视觉提示语言模型

CMDA:  Cross-Modality  Domain  Adaptation  for  Nighttime  Semantic  Segmentation

CMDA：夜间语义分割的跨模态域适应

VQA-GNN:  Reasoning  with  Multimodal  Knowledge  via  Graph  Neural  Networks  for  Visual  Question  Answering

VQA-GNN：通过图神经网络利用多模态知识进行推理，实现视觉问答

Disentangle  then  Parse:  Night-Time  Semantic  Segmentation  with  Illumination  Disentanglement

解开然后解析：夜间语义分割与照明解开

Agglomerative  Transformer  for  Human-Object  Interaction  Detection

用于人与物体交互检测的凝聚变压器

3D  Neural  Embedding  Likelihood:  Probabilistic  Inverse  Graphics  for  Robust  6D  Pose  Estimation

3D  神经嵌入似然：用于鲁棒  6D  姿势估计的概率逆图形

HiLo:  Exploiting  High  Low  Frequency  Relations  for  Unbiased  Panoptic  Scene  Graph  Generation

HiLo：利用高低频关系实现无偏全景场景图生成

RLIPv2:  Fast  Scaling  of  Relational  Language-Image  Pre-Training

RLIPv2：关系语言图像预训练的快速扩展

UniSeg:  A  Unified  Multi-Modal  LiDAR  Segmentation  Network  and  the  OpenPCSeg  Codebase

UniSeg：统一的多模态  LiDAR  分割网络和  OpenPCSeg  代码库

See  more  and  Know  More:  Zero-Shot  Point  Cloud  Segmentation  via  Multi-Modal  Visual  Data

查看更多并了解更多：通过多模态视觉数据进行零射击点云分割

Compositional  Feature  Augmentation  for  Unbiased  Scene  Graph  Generation

用于无偏场景图生成的组合特征增强

CLIPTER:  Looking  at  the  Bigger  Picture  in  Scene  Text  Recognition

CLIPTER：纵观场景文本识别的大局

Towards  Models  that  Can  See  and  Read

迈向能够看到和阅读的模型

SurroundOcc:  Multi-Camera  3D  Occupancy  Prediction  for  Autonomous  Driving

SurroundOcc：自动驾驶的多摄像头  3D  占用预测

DDP:  Diffusion  Model  for  Dense  Visual  Prediction

DDP：密集视觉预测的扩散模型

Understanding  3D  Object  Interaction  from  a  Single  Image

从单个图像了解  3D  对象交互

ObjectSDF++:  Improved  Object-Compositional  Neural  Implicit  Surfaces

ObjectSDF++：改进的对象组合神经隐式表面

Improving  Equivariance  in  State-of-the-Art  Supervised  Depth  and  Normal  Predictors

改善最先进的监督深度和正态预测变量的等方差

Semantic  Attention  Flow  Fields  for  Monocular  Dynamic  Scene  Decomposition

单目动态场景分解的语义注意流场

Holistic  Geometric  Feature  Learning  for  Structured  Reconstruction

用于结构化重建的整体几何特征学习

Scalable  Multi-Temporal  Remote  Sensing  Change  Data  Generation  via  Simulating  Stochastic  Change  Process

通过模拟随机变化过程生成可扩展的多时相遥感变化数据

TaskExpert:  Dynamically  Assembling  Multi-Task  Representations  with  Memorial  Mixture-of-Experts

TaskExpert：使用纪念混合专家动态组装多任务表示

STEERER:  Resolving  Scale  Variations  for  Counting  and  Localization  via  Selective  Inheritance  Learning

STEERER：通过选择性继承学习解决计数和定位的尺度变化

Object-Aware  Gaze  Target  Detection

对象感知注视目标检测

Vision  Relation  Transformer  for  Unbiased  Scene  Graph  Generation

用于无偏场景图生成的视觉关系转换器

DQS3D:  Densely-Matched  Quantization-Aware  Semi-Supervised  3D  Detection

DQS3D：密集匹配量化感知半监督  3D  检测

Shape  Anchor  Guided  Holistic  Indoor  Scene  Understanding

形状锚引导整体室内场景理解

SGAligner:  3D  Scene  Alignment  with  Scene  Graphs

SGAligner：使用场景图进行  3D  场景对齐

Betrayed  by  Captions:  Joint  Caption  Grounding  and  Generation  for  Open  Vocabulary  Instance  Segmentation

被字幕背叛：开放词汇实例分割的联合字幕基础和生成