WarpNet：用于单视图重建的弱监督匹配
计算机视觉与模式识别
2016-06-21 v2
摘要
我们提出了一种在细粒度数据集中匹配物体图像而不使用部件标注的方法，并应用于弱监督单视图重建这一挑战性问题。这与需要部件标注的先前工作形成对比，因为仅用外观特征来跨类别和姿态变化匹配物体是困难的。我们通过一种新颖的深度学习架构 WarpNet 克服了这一挑战，该网络将一幅图像中的物体与另一幅图像中的不同物体对齐。我们利用细粒度数据集的结构，以无监督判别学习方式创建人工数据来训练该网络。网络的输出充当空间先验，使得在测试时能够泛化以跨外观、视角和关节运动的变化匹配真实图像。在鸟类类别的 CUB-200-2011 数据集上，我们将 AP 较仅外观网络提高了 13.6%。我们进一步证明，我们的 WarpNet 匹配结合细粒度数据集的结构，能够实现与使用标注点对应相当质量的单视图重建。
引用
@article{arxiv.1604.05592,
title = {WarpNet: Weakly Supervised Matching for Single-view Reconstruction},
author = {Angjoo Kanazawa and David W. Jacobs and Manmohan Chandraker},
journal= {arXiv preprint arXiv:1604.05592},
year = {2016}
}
备注
to appear in IEEE Conference on Computer Vision and Pattern Recognition (CVPR) 2016