可学习的视觉标记
计算机视觉与模式识别
2016-10-31 v1
摘要
我们提出一种基于深度生成网络进展的视觉标记（类似于QR码、增强现实标记和机器人基准标签）设计新方法。在我们的方法中，标记是由深度网络从输入比特串合成得到的彩色图像，而另一个深度网络被训练用于从这些标记的照片中恢复比特串。这两个网络在联合反向传播过程中同时训练，该过程考虑了与标记制作和标记扫描相关的典型光度和几何畸变。此外，可将基于预训练分类网络中激活统计的风格化损失插入到学习中，以将标记外观推向某种纹理原型。在实验中，我们证明使用本方法获得的标记能够保留足够长以实用的比特串。根据使用场景和所需容量自动调整标记的能力，以及将信息编码与艺术风格化相结合的能力，是我们方法的独特属性。作为副产品，我们的方法提供了关于最适于卷积网络（ConvNets）识别的模式结构及其区分复合模式能力的见解。
引用
@article{arxiv.1610.09237,
title = {Learnable Visual Markers},
author = {Oleg Grinchuk and Vadim Lebedev and Victor Lempitsky},
journal= {arXiv preprint arXiv:1610.09237},
year = {2016}
}
备注
NIPS 2016