使用卷积神经网络进行3D姿态回归
计算机视觉与模式识别
2017-08-21 v1
摘要
3D姿态估计是许多重要计算机视觉任务（如自主导航和3D场景理解）的关键组成部分。大多数最先进的3D姿态估计方法将此问题作为姿态分类问题来解决，其中姿态空间被离散化为多个区间，并使用CNN分类器来预测姿态区间。我们认为3D姿态空间是连续的，并提议在CNN回归框架中解决姿态估计问题，采用合适的表示、数据增强以及能够捕捉姿态空间几何特性的损失函数。在PASCAL3D+上的实验表明，所提出的3D姿态回归方法取得了与最先进方法相比具有竞争力的性能。
引用
@article{arxiv.1708.05628,
title = {3D Pose Regression using Convolutional Neural Networks},
author = {Siddharth Mahendran and Haider Ali and Rene Vidal},
journal= {arXiv preprint arXiv:1708.05628},
year = {2017}
}