兩兩鄰接的物體之間的順序恢復。有了 pair-wise ordering 之後,就可以得到一個描述場景遮擋關係的有向圖,稱之為遮擋關係圖(occlusion graph)。
Amodal completion。在遮擋關係圖中,可以檢索到任意一個物體被哪些物體遮擋了,這樣就可以進行 amodal completion 步驟,把物體完整的 mask 恢復出來。
Content completion。有了 amodal mask 之後,就知道了物體的被遮擋區域(不可見部分),那麼下一步就可以想辦法在不可見部分填充 RGB 內容,使得這個物體完整的樣子被恢復出來。
Instance segmentation 的 data augmentation。還記得去年有一篇很棒的工作(InstaBoost [2], ICCV2019),透過移動物體來做 data augmentation,但是不能解決移動物體過程中的遮擋問題。現在配合 scene de-occlusion,也許可以做得更好。
幫助 panoptic segmentation 後處理中的 mask fusion 步驟。
應用到擴增實境(AR)中。例如下圖,對真實場景做 de-occlusion 之後,就可以將虛擬的物體放在真實物體的後面。
論文連結:https://link.zhihu.com/?target=https://arxiv.org/abs/2004.02788
程式碼:https://link.zhihu.com/?target=https://github.com/XiaohangZhan/deocclusion