PAUL：用于无监督提升的普罗克鲁斯特斯自编码器
计算机视觉与模式识别
2021-04-01 v1
摘要
近期将非刚性运动恢复结构（NRSfM）视为无监督深度学习问题的成功，引发了关于深度学习能提供何种 NRSfM 先验新意的根本性问题。在本文中，我们主张显式地使用 3D 深度自编码器框架作为 NRSfM 先验。该框架的独特性在于：（i）它仅从 2D 投影测量中学习 3D 自编码器的权重；（ii）它是普罗克鲁斯特斯（Procrustean）的，即它联合求解每个形状实例的未知刚性位姿。我们将此架构称为用于无监督提升的普罗克鲁斯特斯自编码器（PAUL），并相较于近期如 Deep NRSfM 和 C3PDO 等创新方法，在多个基准上展示了最先进的性能。
引用
@article{arxiv.2103.16773,
title = {PAUL: Procrustean Autoencoder for Unsupervised Lifting},
author = {Chaoyang Wang and Simon Lucey},
journal= {arXiv preprint arXiv:2103.16773},
year = {2021}
}