基于局部约束的非刚性物体无监督2D-3D升降
计算机视觉与模式识别
2025-04-29 v1
摘要
对于非刚性物体，从2D关键点观测预测3D形状是 Ill-posed 的，因为存在遮挡，以及需要消除视点变化和形状变化的需求。这一挑战通常通过将低秩约束嵌入专用模型来解决。这些模型可能难以训练，因为它们依赖于在学习详细几何图形之前找到规范的对齐方式。这些约束限制了重建质量。我们展示，采用无监督损失训练的通用、高容量模型可以实现更准确的预测形状。特别是，将低秩约束应用于整个形状的局部子集后，高容量模型即可得到适当的约束。我们将 S-Up3D 数据集上的重建误差降低了超过70%。
引用
@article{arxiv.2504.19227,
title = {Unsupervised 2D-3D lifting of non-rigid objects using local constraints},
author = {Shalini Maiti and Lourdes Agapito and Benjamin Graham},
journal= {arXiv preprint arXiv:2504.19227},
year = {2025}
}