基于合成数据训练的 3D 打印物体水印提取
计算机视觉与模式识别
2019-05-24 v1
摘要
我们提出一种基于深度神经网络从 3D 打印物体图像中提取水印的方法。为应对所有可能 3D 打印与图像采集设置的变化性，我们使用合成数据训练网络。纹理、光照与相机位置等主要模拟器参数以非真实方式动态随机化，迫使神经网络学习 3D 打印水印的内在特征。在流程末端，水印以二维比特数组形式，通过对神经网络生成的置信图施加一系列简单图像处理与统计操作而提取。结果表明，训练集中纳入合成 DR 数据增强了网络的泛化能力，使其在先前未见过的 3D 打印物体图像上表现更优。我们得出结论：在可从 3D 打印物体提取信息的应用域中，若能假定可获取打印物体的精确 CAD 文件，便可使用廉价合成数据增强神经网络训练，减少对人工标注大量真实数据的繁重过程或生成照片级真实合成数据的需求。
引用
@article{arxiv.1905.09706,
title = {Watermark retrieval from 3D printed objects via synthetic data training},
author = {Xin Zhang and Ning Jia and Ioannis Ivrissimtzis},
journal= {arXiv preprint arXiv:1905.09706},
year = {2019}
}