CAPNet：基于二维监督的连续近似投影三维点云重建网络
计算机视觉与模式识别
2018-11-29 v1
摘要
对物体三维属性的认知是构建有效计算机视觉系统的必要条件。然而，大规模 3D 数据集的缺乏可能是数据驱动方法学习此类属性的主要限制。我们考虑单图像三维点云重建任务，并旨在利用多个前景掩码作为监督数据，以缓解对大规模 3D 数据集的需求。引入了一种称为“CAPNet”的新型可微投影模块，以从预测的三维点云获得此类 2D 掩码。其核心思想是将投影建模为点云中点的连续近似。为克服稀疏投影图的挑战，我们提出了一种称为“亲和损失”的损失公式以生成无离群点的重建。我们在大规模合成数据集上显著优于现有的基于投影的方法。我们通过在真实世界数据集上的实验展示了这种 2D 监督方法的实用性和泛化能力，其中 3D 数据的缺乏可能是一个严重问题。为了进一步增强重建效果，我们还提出了一种测试阶段优化过程，以获得与观测输入图像显示高度对应的重建结果。
引用
@article{arxiv.1811.11731,
title = {CAPNet: Continuous Approximation Projection For 3D Point Cloud Reconstruction Using 2D Supervision},
author = {Navaneet K L and Priyanka Mandikal and Mayank Agarwal and R. Venkatesh Babu},
journal= {arXiv preprint arXiv:1811.11731},
year = {2018}
}
备注
Accepted at AAAI-2019; Codes are available at https://github.com/val-iisc/capnet