C3DPO：用于非刚性运动恢复结构的规范三维姿态网络
计算机视觉与模式识别
2019-10-16 v2 图形学
摘要
我们提出 C3DPO，一种从未受限图像中的 2D 关键点标注提取可变形物体 3D 模型的方法。我们通过学习一个深度网络实现，该网络一次从单视图重建 3D 物体，处理部分遮挡，并显式分解视角变化与物体变形的影响。为实现此分解，我们引入一种新颖的正则化技术。我们首先证明，分解成功当且仅当存在某一重建形状的规范化函数。随后，我们将该规范化函数与重建函数一同学习，从而约束结果保持一致。我们在多个基准（包括 Up3D 与 PASCAL3D+）上展示了不使用真值 3D 监督的方法中的最优重建结果。源代码已发布于 https://github.com/facebookresearch/c3dpo_nrsfm。
引用
@article{arxiv.1909.02533,
title = {C3DPO: Canonical 3D Pose Networks for Non-Rigid Structure From Motion},
author = {David Novotny and Nikhila Ravi and Benjamin Graham and Natalia Neverova and Andrea Vedaldi},
journal= {arXiv preprint arXiv:1909.02533},
year = {2019}
}
备注
Added a link to the source code into the abstract