跨域三维等变图像嵌入
计算机视觉与模式识别
2019-05-16 v2
摘要
球面卷积网络最近被引入作为学习三维形状强大特征表示的工具。球面 CNN 对三维旋转具有等变性,使其非常适合于三维数据可能以任意方向被观测的应用。在本文中,我们学习具有类似等变结构的二维图像嵌入:三维物体的图像嵌入应与该物体的旋转可交换。我们引入一种从二维图像到球面 CNN 潜空间的跨域嵌入。该嵌入以三维形状属性编码图像,并对被观测物体的三维旋转具有等变性。该模型仅由为三维形状分类预训练的球面 CNN 获得的目标嵌入监督。我们表明,学习具有适当几何结构的丰富图像嵌入足以应对各种应用,如相对姿态估计和新视角合成,而无需额外的任务特定监督。
引用
@article{arxiv.1812.02716,
title = {Cross-Domain 3D Equivariant Image Embeddings},
author = {Carlos Esteves and Avneesh Sud and Zhengyi Luo and Kostas Daniilidis and Ameesh Makadia},
journal= {arXiv preprint arXiv:1812.02716},
year = {2019}
}
备注
Accepted to the International Conference on Machine Learning, ICML 2019