照片级真实感渲染对视觉学习有何助益？
计算机视觉与模式识别
2016-09-09 v2
摘要
数据看似容易获取，且在许多方面确实如此，但从大量数据中创建高质量标注数据集的过程耗时且昂贵。随着丰富的 3D 存储库的出现，照片级真实感渲染系统提供了提供近乎无限数据的可能。然而，它们对视觉学习的主要价值可能在于其能提供的数据质量而非数量。渲染引擎除了数据外还承诺提供完美标签：精确的相机位姿是什么；精确的光照位置、温度和分布是什么；物体的几何形状是什么。在这项工作中，我们专注于通过使用合成数据来半自动化数据集创建，并将此方法应用于一项重要任务——物体视角估计。使用最先进的渲染软件，我们生成了一个在视角空间中密集渲染的汽车大型标注数据集。我们研究了渲染参数对估计性能的影响，并表明真实感很重要。我们展示了从合成数据泛化并不比两个真实图像数据集之间所需的域适应更难，并且将合成图像与少量真实数据结合可提高估计精度。
引用
@article{arxiv.1603.08152,
title = {How useful is photo-realistic rendering for visual learning?},
author = {Yair Movshovitz-Attias and Takeo Kanade and Yaser Sheikh},
journal= {arXiv preprint arXiv:1603.08152},
year = {2016}
}
备注
Published in GMDL 2016 In conjunction with ECCV 2016