Render for CNN: 使用渲染3D模型视图训练的CNN进行图像中的视点估计
计算机视觉与模式识别
2015-05-22 v1
摘要
从2D图像进行物体视点估计是计算机视觉中的一项基本任务。然而，两个问题阻碍了其进展：缺乏带有视点标注的训练数据，以及缺乏强大的特征。受日益可用的3D模型启发，我们提出一个框架，通过结合基于渲染的图像合成和CNN来解决这两个问题。我们相信3D模型有潜力生成大量高变化的图像，这些图像可以被具有高学习容量的深度CNN很好地利用。针对此目标，我们提出了一个可扩展且抗过拟合的图像合成流水线，以及专门为视点估计任务定制的新颖CNN。在实验上，我们表明我们的流水线得到的视点估计在PASCAL 3D+基准上可以显著优于最先进的方法。
引用
@article{arxiv.1505.05641,
title = {Render for CNN: Viewpoint Estimation in Images Using CNNs Trained with Rendered 3D Model Views},
author = {Hao Su and Charles R. Qi and Yangyan Li and Leonidas Guibas},
journal= {arXiv preprint arXiv:1505.05641},
year = {2015}
}