基于可微点云的形状与姿态无监督学习
计算机视觉与模式识别
2018-10-23 v1 机器学习
摘要
我们研究从一组未标注的类别特定图像中学习精确的3D形状与相机姿态的问题。我们训练一个卷积网络，通过最小化重投影误差从单幅图像预测形状和姿态：给定物体的多个视图，所预测形状在预测相机姿态下的投影应与所提供的视图相匹配。为处理姿态模糊性，我们引入一组姿态预测器，随后将其蒸馏为一个单一的“学生”模型。为实现高保真形状的高效学习，我们用点云表示形状，并设计了一种允许这些点云可微投影的公式。我们的实验表明，蒸馏后的姿态预测器集成学会了准确估计姿态，而点云表示允许预测详细的形状模型。补充视频可在 https://www.youtube.com/watch?v=LuIGovKeo60 找到。
引用
@article{arxiv.1810.09381,
title = {Unsupervised Learning of Shape and Pose with Differentiable Point Clouds},
author = {Eldar Insafutdinov and Alexey Dosovitskiy},
journal= {arXiv preprint arXiv:1810.09381},
year = {2018}
}