DRACO：弱监督下的物体稠密重建与规范化
计算机视觉与模式识别
2020-11-26 v1 人工智能
机器人学
摘要
我们提出 DRACO，一种从一张或多张 RGB 图像进行物体形状的稠密重建与规范化（Dense Reconstruction And Canonicalization）的方法。规范化形状重建，即在针对尺度、旋转和平移参数进行规范化的坐标空间中估计三维物体形状，是一种新兴范式，有望用于大量机器人应用。先前的方法要么依赖费力收集的大量三维监督，要么仅产生稀疏的规范化表示，限制了实际适用性。DRACO 在训练时仅使用相机位姿和语义关键点的弱监督来执行稠密规范化。在推理时，DRACO 仅使用物体的一张或多张 RGB 图像，在规范化坐标空间中预测以物体为中心的稠密深度图。在规范化形状重建和位姿估计上的大量实验表明，DRACO 具有与全监督方法相当或更优的性能。
引用
@article{arxiv.2011.12912,
title = {DRACO: Weakly Supervised Dense Reconstruction And Canonicalization of Objects},
author = {Rahul Sajnani and AadilMehdi Sanchawala and Krishna Murthy Jatavallabhula and Srinath Sridhar and K. Madhava Krishna},
journal= {arXiv preprint arXiv:2011.12912},
year = {2020}
}
备注
Preprint. For project page and code, see https://aadilmehdis.github.io/DRACO-Project-Page/