作为空间变换器网络的 3D 形变模型
计算机视觉与模式识别
2018-04-20 v1 机器学习
摘要
在本文中，我们展示了如何将 3D Morphable Model（即一类物体如人脸的 3D 形状统计模型）作为卷积神经网络内的一个模块 (3DMM-STN) 用于对输入数据进行空间变换。这是对原始空间变换器网络的扩展，使我们能够解释并归一化 3D 姿态变化和自遮挡。网络中训练的定位部分具有独立的实用价值，因为它学会了将 3D 形变模型拟合到单张图像上。我们表明，定位器可以仅在一个相对较小的数据集上使用简单的几何损失函数进行训练，但能够在高度不受控的图像（包括遮挡、自遮挡和大姿态变化）上执行稳健的归一化。
引用
@article{arxiv.1708.07199,
title = {3D Morphable Models as Spatial Transformer Networks},
author = {Anil Bas and Patrik Huber and William A. P. Smith and Muhammad Awais and Josef Kittler},
journal= {arXiv preprint arXiv:1708.07199},
year = {2018}
}
备注
Accepted to ICCV 2017 2nd Workshop on Geometry Meets Deep Learning