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
