基于矩阵 Fisher 分布的概率朝向估计
计算机视觉与模式识别
2020-06-18 v1 机器学习
摘要
本文关注利用深度神经网络估计三维旋转集合（）上的概率分布。由于 与 之间拓扑结构的差异，学习将模型回归到旋转集合上本身十分困难。我们通过使用神经网络输出矩阵 Fisher 分布的参数来克服此问题，因为这些参数与 同胚。通过对该分布使用负对数似然损失，我们得到一个关于网络输出凸的损失。通过优化该损失，我们在几个具有挑战性的适用数据集上提升了最优水平，即 Pascal3D+、ModelNet10- 和 UPNA head pose。
引用
@article{arxiv.2006.09740,
title = {Probabilistic orientation estimation with matrix Fisher distributions},
author = {D. Mohlin and G. Bianchi and J. Sullivan},
journal= {arXiv preprint arXiv:2006.09740},
year = {2020}
}
备注
20 pages, 11 figures, submitted to NeurIPS