點擊上方“視學算法”,選擇“星標”
乾貨第一時間送達
作者:黃浴
https://zhuanlan.zhihu.com/p/150948693
本文僅做學術分享,如有侵權,請聯繫刪除。
Andreas Geiger在自動駕駛的名氣不用說,這次在CVPR 2020他也是在多個workshop做報告,這是他在workshop on 3d scene understanding關於Learning 3D Reconstruction in function space的報告。
和著名的教授David Forsyth一起開頭,地位不可小視。
團隊
目標是學習智能系統
3D世界是複雜的
3D重建是很難的
重溫傳統理論
問題:能不能圖像學習3D結構推理?
一個環境的圖像
一個NN學習問題:黑盒子?
輸出表示?
Voxels
Points
Mesh
idea:隱含地表面看出分類問題,Occupancy Network(去年CVPR論文)
訓練目標
加基於encoder的KL項
兩個結果例子(voxel,point)
問題:目標表觀學習?
texture field:去年ICCV論文
原理圖
加GAN
也可以加VAE
結果例子
問題:目標運動呢?
occupancy flow:去年ICCV論文, 4D變成3D。注:ODE (ordinary differential equation)
求解ODE,學習particle dynamics,得到OFlow
結果
問題:學習隱含表徵?
前向傳遞(渲染)
DVR:texture fields
後向傳遞(差分訓練)
DVR:gradient
2D監督信號的結果
2.5D監督信號的結果
最後的工作沒有發表?
工作連貫性強