通过环视物体学习三维物体类别
计算机视觉与模式识别
2021-12-03 v3
摘要
传统的学习三维物体类别的方法要么使用合成数据，要么使用人工监督。在本文中，我们提出了一种不需要人工标注的方法，而是通过从移动视点观察物体来提供线索。我们的系统基于两项创新：一个连体视点分解网络（Siamese viewpoint factorization network），该网络无需显式比较三维形状即可将不同视频稳健地对齐；以及一个三维形状补全网络，该网络能从部分观测中提取物体的完整形状。我们还展示了将网络配置为执行概率预测以及采用几何感知数据增强方案的好处。我们在公开可用的基准测试上取得了最先进的（state-of-the-art）结果。
引用
@article{arxiv.1705.03951,
title = {Learning 3D Object Categories by Looking Around Them},
author = {David Novotny and Diane Larlus and Andrea Vedaldi},
journal= {arXiv preprint arXiv:1705.03951},
year = {2021}
}
备注
Proceedings of the International Conference on Computer Vision, 2017