学习视角泛化函数
计算机视觉与模式识别
2007-12-04 v1
摘要
在三维视觉物体识别中，从视角学习物体模型通常被表述为描述物体视角流形的函数逼近问题，或学习类条件密度的问题。本文描述了一种用于视觉物体识别的替代学习框架，即学习视角泛化函数。利用视角泛化函数，观察者可以直接基于一个或多个二维训练视图执行贝叶斯最优三维物体识别，而无需单独的模型获取步骤。本文通过将两种广泛使用的方法（特征空间法和视角线性组合法）重述为视角泛化框架，展示了视角泛化函数在计算上的可行性。本文将该方法与基于非均匀模糊的最新物体识别方法进行了关联。本文展示了在模拟三维“回形针”物体和来自 COIL-100 数据库的真实世界图像上的结果，表明可以从相对较少的训练样本中现实地学习到有用的视角泛化函数。
引用
@article{arxiv.0712.0136,
title = {Learning View Generalization Functions},
author = {Thomas M. Breuel},
journal= {arXiv preprint arXiv:0712.0136},
year = {2007}
}