课程式DeepSDF
计算机视觉与模式识别
2020-07-20 v3
摘要
学习素描时,初学者从简单而灵活的图形开始,随后在训练过程中逐步追求更复杂和精确的图形。本文中,我们为在形状上学习连续符号距离函数(SDF)设计了一种“形状课程”,即课程式DeepSDF。受人类学习方式的启发,课程式DeepSDF根据以下两个准则按难度升序组织学习任务:表面精度与样本难度。前者考虑以真值监督时的严格性,后者关注靠近复杂几何与精细结构的困难训练样本的权重。更具体地,课程式DeepSDF首先学习重建粗形状,然后逐步提高精度并更多关注复杂的局部细节。实验结果表明,在训练数据、训练轮数与网络架构均与DeepSDF相同的情况下,精心设计的课程带来了显著更好的形状重建。我们相信形状课程的应用可使广泛的3D形状表示学习方法受益。
引用
@article{arxiv.2003.08593,
title = {Curriculum DeepSDF},
author = {Yueqi Duan and Haidong Zhu and He Wang and Li Yi and Ram Nevatia and Leonidas J. Guibas},
journal= {arXiv preprint arXiv:2003.08593},
year = {2020}
}
备注
ECCV 2020