自然场景中物体的三维姿态估计与三维模型检索
计算机视觉与模式识别
2018-04-02 v1 人工智能
摘要
我们提出了一种可扩展、高效且准确的方法来检索自然场景中物体的三维模型。我们的贡献有两方面。我们首先提出了一种针对物体类别的三维姿态估计方法，其在 Pascal3D+ 上显著优于当前最优方法。其次，我们使用估计的姿态作为先验来检索能准确表示 RGB 图像中物体几何形状的三维模型。为此，我们在预测姿态下从三维模型渲染深度图像，并使用基于 CNN 的多视图度量学习方法将 RGB 图像的学习图像描述子与渲染深度图像的描述子进行匹配。通过这种方式，我们首次报道了 Pascal3D+ 上三维模型检索的定量结果，我们的方法在平均 50% 的验证图像上选择了与人工标注者相同的模型。此外，我们展示了我们仅在 Pascal3D+ 上训练的方法，给定自然场景中物体的 RGB 图像，能从 ShapeNet 检索出丰富且准确的三维模型。
引用
@article{arxiv.1803.11493,
title = {3D Pose Estimation and 3D Model Retrieval for Objects in the Wild},
author = {Alexander Grabner and Peter M. Roth and Vincent Lepetit},
journal= {arXiv preprint arXiv:1803.11493},
year = {2018}
}
备注
Accepted to Conference on Computer Vision and Pattern Recognition (CVPR) 2018