基于记忆先验对比网络的少样本单视图三维重建
计算机视觉与模式识别
2022-08-02 v1
摘要
基于少样本学习的新类别三维重建在实际应用中颇具吸引力，并引起越来越多的研究兴趣。以往的方法主要关注如何为不同类别设计形状先验模型。它们在未见类别上的表现并不十分具有竞争力。在本文中，我们提出一种记忆先验对比网络（MPCN），该网络能够在基于少样本学习的三维重建框架中存储形状先验知识。借助形状记忆，提出了一个多头注意力模块来捕获候选形状先验的不同部分，并将这些部分融合在一起以指导新类别的三维重建。此外，我们引入了一种三维感知对比学习方法，该方法不仅可以补充记忆网络的检索精度，还能更好地为下游任务组织图像特征。与以往的少样本三维重建方法相比，MPCN 无需类别标注即可处理类间差异。在基准合成数据集和 Pascal3D+ 真实世界数据集上的实验结果表明，我们的模型显著优于当前最先进的方法。
引用
@article{arxiv.2208.00183,
title = {Few-shot Single-view 3D Reconstruction with Memory Prior Contrastive Network},
author = {Zhen Xing and Yijiang Chen and Zhixin Ling and Xiangdong Zhou and Yu Xiang},
journal= {arXiv preprint arXiv:2208.00183},
year = {2022}
}
备注
Accepted by ECCV 2022