通过学习的局部与全局形状先验层次促进单视图三维重建的泛化能力
计算机视觉与模式识别
2021-04-02 v1
摘要
单视图 3D 物体重建已取得诸多进展，但方法仍难以泛化到训练时未见过的新形状。常见方法主要依赖学习的全局形状先验，因而忽略详细的局部观测。在本文中，我们通过从真值输入深度图学习不同局部层次的先验来解决此问题。我们认为，利用局部先验可使我们的方法高效使用输入观测，从而改善新形状可见区域的泛化。同时，局部与全局先验的结合能够对未观测部分进行有意义的幻觉生成，得到一致的 3D 形状。我们表明，层次化方法比全局方法泛化得好得多。它不仅在类内不同实例间泛化，还能跨类以及泛化到未见过的物体排布。
引用
@article{arxiv.2104.00476,
title = {Fostering Generalization in Single-view 3D Reconstruction by Learning a Hierarchy of Local and Global Shape Priors},
author = {Jan Bechtold and Maxim Tatarchenko and Volker Fischer and Thomas Brox},
journal= {arXiv preprint arXiv:2104.00476},
year = {2021}
}
备注
Accepted at CVPR 2021