从自然图像中自监督学习三维物体
计算机视觉与模式识别
2019-11-21 v1 机器学习
图像与视频处理
摘要
我们提出一种以自监督方式从分类自然图像中学习物体三维形状、姿态与纹理的单视图重建方法。由于这是一个严重不适定问题，精心设计方案并引入约束至关重要。为避免同时训练所有元素的困难，我们提议先以固定姿态分布和简单纹理训练类别特定的基础形状，随后利用所得形状训练姿态与纹理。另一困难是形状与背景有时变得过度复杂，从而在物体表面错误地重建纹理。为抑制该现象，我们提议对物体表面与背景图像使用强正则化与约束。借助这两项技术，我们证明可使用如 CIFAR-10 与 PASCAL 物体等自然图像集合进行训练，这表明了在合成数据集之外多样物体类别上实现三维物体重建的可能性。
引用
@article{arxiv.1911.08850,
title = {Self-supervised Learning of 3D Objects from Natural Images},
author = {Hiroharu Kato and Tatsuya Harada},
journal= {arXiv preprint arXiv:1911.08850},
year = {2019}
}
备注
Technical report. Project page: http://hiroharu-kato.com/projects_en/cifar10_3d.html