从图像到三维形状属性
计算机视觉与模式识别
2017-12-05 v2
摘要
本文的目标是研究可从单张图像确定的三维形状属性。我们定义了三维形状属性——捕捉曲率、接触和占据空间的形状通用属性。我们的第一个目标是从单张图像推断这些三维形状属性。第二个目标是推断一个三维形状嵌入——一个表示三维形状的低维向量。我们研究如何通过训练卷积神经网络（CNN）来完成此任务，从而从单张图像获取三维形状属性和嵌入。我们从合成图像开始，以便控制各种线索和干扰参数的贡献。然后转向真实图像，并引入一个大规模的雕塑图像数据集，包含143K张图像，覆盖242位艺术家的2197件作品。对于在该雕塑数据集上训练的CNN，我们展示了以下结果：(i) CNN使用成像雕塑的哪些区域来推断三维形状属性；(ii) 形状嵌入可用于匹配先前未见过的雕塑，且在很大程度上与视角无关；(iii) 三维属性可泛化到其他（非雕塑）物体类别的图像。
引用
@article{arxiv.1612.06836,
title = {From Images to 3D Shape Attributes},
author = {David F. Fouhey and Abhinav Gupta and Andrew Zisserman},
journal= {arXiv preprint arXiv:1612.06836},
year = {2017}
}
备注
Updated based on TPAMI reviews: title changed, sections reordered, moderate modifications throughout text