从图像集中学习特定类别的网格重建
计算机视觉与模式识别
2018-08-01 v2
摘要
我们提出了一个从单张图像恢复物体 3D 形状、相机和纹理的学习框架。形状被表示为某物体类别的可变形 3D 网格模型，其中形状由学习到的平均形状和逐实例预测的变形进行参数化。我们的方法允许利用带标注的图像集进行训练，在无需依赖真值 3D 或多视角监督的情况下学习可变形模型和 3D 预测机制。我们的表示使我们能够超越现有的 3D 预测方法，将纹理推断结合为在规范外观空间中对图像的预测。此外，我们展示了语义关键点可以很容易地与预测形状相关联。我们在 CUB 和 PASCAL3D 数据集上展示了该方法的定性和定量结果，并表明我们能够仅使用带标注的图像集学习预测跨物体的多样形状和纹理。项目网站可在 https://akanazawa.github.io/cmr/ 找到。
引用
@article{arxiv.1803.07549,
title = {Learning Category-Specific Mesh Reconstruction from Image Collections},
author = {Angjoo Kanazawa and Shubham Tulsiani and Alexei A. Efros and Jitendra Malik},
journal= {arXiv preprint arXiv:1803.07549},
year = {2018}
}
备注
Project URL: https://akanazawa.github.io/cmr/