野外部署中的货架监督网格预测
计算机视觉与模式识别
2021-02-12 v1
摘要
我们旨在从单张图像推断物体的三维形状与姿态，并提出一种基于学习的方法，该方法可从非结构化图像集合训练，仅由现成识别系统（即“货架监督”）的分割输出监督。我们首先在规范坐标系中推断体积表示以及相机姿态。我们强制该表示在几何上与外观和掩码一致，并且合成的新视角图像与图像集合不可区分。随后将粗体积预测转换为基于网格的表示，并在预测的相机坐标系中进一步细化。这两个步骤实现了从图像集合的形状-姿态分解以及更精细的逐实例重建。我们在合成与真实世界数据集上验证了该方法，并展示了其在野外部署的 50 个类别上的可扩展性，比现有工作的类别数量多一个数量级。
引用
@article{arxiv.2102.06195,
title = {Shelf-Supervised Mesh Prediction in the Wild},
author = {Yufei Ye and Shubham Tulsiani and Abhinav Gupta},
journal= {arXiv preprint arXiv:2102.06195},
year = {2021}
}