PoseContrast:基于姿态感知对比学习的无类别野外物体视角估计
计算机视觉与模式识别
2021-10-28 v2
摘要
受估计任意物体三维姿态需求的驱动,我们考虑仅从图像出发、在无 CAD 模型知识条件下的无类别物体视角估计这一挑战性问题。其思路是利用在已见类别上学到的特征,去估计未见但几何形状与规范坐标系与已见类别相似的类别的姿态。我们以无类别方式通过所有物体类别共享权重来训练一个直接姿态估计器,并引入一种对比学习方法,其包含三个主要要素:(i) 使用预训练的自监督基于对比的特征;(ii) 姿态感知数据增强;(iii) 姿态感知对比损失。我们在 Pascal3D+、ObjectNet3D 与 Pix3D 上以跨数据集方式对所见与未见类别进行了实验,报告了 SOTA 结果,包括优于那些额外将 CAD 模型作为输入的方法。
引用
@article{arxiv.2105.05643,
title = {PoseContrast: Class-Agnostic Object Viewpoint Estimation in the Wild with Pose-Aware Contrastive Learning},
author = {Yang Xiao and Yuming Du and Renaud Marlet},
journal= {arXiv preprint arXiv:2105.05643},
year = {2021}
}
备注
3DV 2021 (oral). See project webpage http://imagine.enpc.fr/~xiaoy/PoseContrast/