将目标检测数据集提升至 3D
计算机视觉与模式识别
2016-08-02 v2
摘要
尽管近年来数据在计算机视觉领域无疑占据了中心地位，但在某些场景下获取数据仍然困难。特别是，获取 2D 图像中所描绘物体真实 3D 形状仍然是一项具有挑战性的工作，这阻碍了基于识别的单图像目标重建的发展。在此，我们提出绕过诸如 3D 扫描或手动设计等扩展性较差的既有解决方案，转而以半自动方式用密集的逐目标 3D 重建来填充目标类别检测数据集，该过程由以下信息引导：(i) 类别标签，(ii) 真实前景-背景分割，以及 (iii) 一小组关键点标注。我们提出的算法首先使用刚性运动恢复结构估计相机视点，然后通过在宽松的类内形状相似性假设引导下优化视觉外壳提议来重建物体形状。视觉外壳采样过程尝试将一个物体的投影锥与从特定视点描绘的其他相似物体中最小子集的锥相交。我们表明，我们的方法能够在最具挑战性的现有目标类别检测数据集 PASCAL VOC 上生成令人信服的逐目标 3D 重建，并准确估计相机视点。我们希望我们的结果能重新激发人们对单图像联合目标识别与 3D 重建的兴趣。
引用
@article{arxiv.1503.06465,
title = {Lifting Object Detection Datasets into 3D},
author = {Joao Carreira and Sara Vicente and Lourdes Agapito and Jorge Batista},
journal= {arXiv preprint arXiv:1503.06465},
year = {2016}
}