深度学习在交叉点：证书鲁棒性作为3D视觉建模工具
计算机视觉与模式识别
2024-08-26 v1 人工智能
摘要
本文提出了证书鲁棒性与3D对象建模之间新奇联系的初步工作。我们强调了代表空间占据性的分类器的最大证书半径(MCR)与空间符号距离函数(SDF)之间的引人入胜的联系。利用这一关系，我们提议使用随机平滑(RS)的认证方法来计算SDF。由于RS的高计算成本阻止其作为计算SDF的实用方法，我们提出了一种算法，有效地在低维应用(如3D空间)中运行RS，通过将RS的基本运算表示为预计算体素网格上的高斯平滑。我们的做法提供了一种创新且实用的SDF计算工具，通过新颖视图合成的案例实验进行验证。这篇论文桥接了机器学习的两个此前相互分离的领域，为进一步的探索和潜在的跨领域进展开辟了新路径。
引用
@article{arxiv.2408.13135,
title = {Deep Learning at the Intersection: Certified Robustness as a Tool for 3D Vision},
author = {Gabriel Pérez S and Juan C. Pérez and Motasem Alfarra and Jesús Zarzar and Sara Rojas and Bernard Ghanem and Pablo Arbeláez},
journal= {arXiv preprint arXiv:2408.13135},
year = {2024}
}
备注
This paper is an accepted extended abstract to the LatinX workshop at ICCV 2023. This was uploaded a year late