面向真实场景中目标的小样本目标检测与视角估计
计算机视觉与模式识别
2022-10-13 v2
摘要
在图像中检测目标并估计其视角是三维场景理解的关键任务。近期方法在用于目标检测与视角估计的超大型基准上取得了优异结果。然而，对于样本稀少的新颖目标类别，性能仍显滞后。本文中，我们处理小样本目标检测与小样本视角估计问题。我们在两项任务上均展示了以不同模态数据中提取的类代表特征引导网络预测的优势：用于目标检测的图像块，以及用于视角估计的对齐三维模型。尽管方法简单，我们的方法在一系列数据集上大幅优于 SOTA 方法，包括用于小样本目标检测的 PASCAL 和 COCO，以及用于小样本视角估计的 Pascal3D+ 和 ObjectNet3D。此外，当三维模型不可用时，我们引入一种简单的类别无关视角估计方法，通过利用跨不同类的几何相似性与一致姿态标注。虽然其性能适度下降，该方法在此设定下仍取得优于先前方法的结果。最后，我们首次在三个具挑战性的真实场景视角估计基准 ObjectNet3D、Pascal3D+ 和 Pix3D 上处理了两项小样本任务的结合，展示了极具前景的结果。
引用
@article{arxiv.2007.12107,
title = {Few-Shot Object Detection and Viewpoint Estimation for Objects in the Wild},
author = {Yang Xiao and Vincent Lepetit and Renaud Marlet},
journal= {arXiv preprint arXiv:2007.12107},
year = {2022}
}
备注
Accepted by TPAMI, add experimental results and additional ablation studies