从图像集合中发掘三维部件
计算机视觉与模式识别
2021-07-30 v1
摘要
从二维图像推断三维形状是一项重要而富有挑战性的任务，尤其是在仅能获取单视图图像时。尽管物体可能具有复杂形状，但单个部件通常接近几何基元，因而更易于建模。此外，部件提供了一种中层表示，对特定类别中物体间外观变化具有鲁棒性。在本工作中，我们致力于仅从二维图像集合中发掘三维部件的问题。我们提出一种自监督方法——隐部件发掘（LPD），而非依赖人工标注的部件作为监督。我们的核心思路是学习一种新颖的部件形状先验，使得每个部件在受限于简单几何的同时能忠实拟合物体形状。在合成数据集 ShapeNet、PartNet 以及真实世界数据集 Pascal 3D+ 上的大量实验表明，与同等监督水平下的现有方法相比，我们的方法能发掘一致的物体部件并取得良好的重建精度。
引用
@article{arxiv.2107.13629,
title = {Discovering 3D Parts from Image Collections},
author = {Chun-Han Yao and Wei-Chih Hung and Varun Jampani and Ming-Hsuan Yang},
journal= {arXiv preprint arXiv:2107.13629},
year = {2021}
}
备注
Accepted by ICCV 2021. Project page: https://chhankyao.github.io/lpd/