SketchDesc：用于多视图对应的局部草图描述子学习
计算机视觉与模式识别
2020-08-12 v3
摘要
本文研究多视图草图对应问题，输入为同一物体的不同视角下的多幅手绘草图，输出为草图间的语义对应。该问题具有挑战性，因为不同视角下对应点的视觉特征可能差异很大。为此，我们采用深度学习方法，从数据中学习一种新颖的局部草图描述子。我们通过从 3D 形状合成的多视图线画图生成像素级对应，从而贡献了一个训练数据集。为处理草图的稀疏性与歧义性，我们设计了一种新颖的多分支神经网络，融合基于块的表达与多尺度策略来学习多视图草图间的像素级对应。我们在手绘草图及多个 3D 形状数据集渲染的多视图线画图上进行了大量实验，证明了所提方法的有效性。
引用
@article{arxiv.2001.05744,
title = {SketchDesc: Learning Local Sketch Descriptors for Multi-view Correspondence},
author = {Deng Yu and Lei Li and Youyi Zheng and Manfred Lau and Yi-Zhe Song and Chiew-Lan Tai and Hongbo Fu},
journal= {arXiv preprint arXiv:2001.05744},
year = {2020}
}
备注
Accepted by IEEE Transactions on Circuits and Systems for Video Technology