利用深度残差网络预测二维物体动力学
计算机视觉与模式识别
2016-11-28 v2 机器学习
摘要
我们研究了残差网络如何将相互作用形状的动力学预测纯粹作为图像到图像的回归任务来学习。借助一个简单的二维物理模拟器，我们生成了由矩形组成的短序列，这些矩形通过在随机选取的点施加拉力而进入运动状态。网络使用二次损失进行训练，在给定起始构型的图像和指示抓取点的图像的情况下，预测结果构型的图像。实验表明，网络学会了准确预测结果图像，这具体意味着：(1) 它将矩形分割为独立组件，(2) 它推断出哪一个包含抓取点，(3) 它正确建模了单个矩形的动力学（包括力矩），(4) 它在一定程度上检测并处理了碰撞，以及 (5) 它利用位移后的矩形正确重新合成了整个场景。
引用
@article{arxiv.1610.04032,
title = {Predicting the dynamics of 2d objects with a deep residual network},
author = {François Fleuret},
journal= {arXiv preprint arXiv:1610.04032},
year = {2016}
}