用于材质识别的差分角度成像
计算机视觉与模式识别
2017-07-17 v2
摘要
真实世界室外表面的材质识别对于支持计算机视觉“在野外”运行已变得日益重要。作为材质识别基础的计算表面建模，已从使用实验室受控辐射测量的反射率建模，过渡到基于场景中捕获的材质互联网挖掘图像的图像表示。我们提出一种折中的材质识别方法，同时利用丰富的辐射线索和灵活的图像捕获。我们通过开发一个差分角度成像框架来实现这一点，其中图像捕获中的微小角度变化提供了增强的外观表示和显著的识别改进。我们构建了一个大规模材质数据库——室外场景地面地形 (GTOS) 数据库，面向自主智能体的实际使用。该数据库包含超过 30,000 张图像，涵盖 40 类不同天气和光照条件下的室外地面地形。我们开发了一种新颖的材质识别方法，称为差分角度成像网络 (DAIN)，以充分利用这个大型数据集。借助这种新颖的网络架构，我们提取了编码在材质外观的角度和空间梯度中的特征。我们的结果表明，DAIN 实现的识别性能超越了单视图或粗量化的多视图图像。这些结果证明了差分角度成像作为一种灵活、就地的材质识别手段的有效性。
引用
@article{arxiv.1612.02372,
title = {Differential Angular Imaging for Material Recognition},
author = {Jia Xue and Hang Zhang and Kristin Dana and Ko Nishino},
journal= {arXiv preprint arXiv:1612.02372},
year = {2017}
}