Jan, 2015

使用 And-Or 模型表达上下文与遮挡以进行汽车检测和观点估计

PDF
TL;DR本文提出了一种基于 And-Or 模型的学习方法，用于表示汽车检测和视点估计中的上下文和遮挡，并且是一种弱监督的学习方法。通过三个层次来表示汽车之间的上下文和遮挡配置，并且采用动态规划算法进行推理。该方法在四个汽车检测数据集和三个汽车视点估计数据集上与现有的方法相比，均获得了显著的改善结果。
and-or modelscar detectionviewpoint estimationweakly supervised learningcontext and occlusion
发现论文，激发创造
  • 物体形状建模和检测的动态与或图学习

    本文介绍了一种新的基于判别式局部模型的 And-Or 图方法来表示和识别目标形状，该方法克服了困难的背景环境和大量的形态变化，并且不需要太多的监督和初始化。

    Feb, 2015

  • 以辨别训练为基础的 And-Or 图模型用于物体形状检测

    通过研究一种新型的可重构部件玩具模型 ——And-Or 图模型，在图像中识别物体形状。我们提出了一种新颖的结构优化算法来训练 And-Or 模型。在多个具有挑战性的数据集上，我们的模型表现出有效鲁棒的对象检测性能，并超越了其他最先进方法。

    Feb, 2015

  • 基于轮廓片段的形状模型学习及 And-Or 树表达

    本文提出了一种学习分层物体形状模型的简单而有效的方法，该模型通过局部轮廓片段形成 And-Or 树，可以捕捉外观上的形状变化，并利用嵌入式结构聚类拓展凸凹过程（CCCP）优化 And-Or 树的学习过程。该方法能够准确定位局部轮廓，并捕捉类内差异。

    Feb, 2015

  • 通过详细的 3D 物体表征实现场景理解

    本文提出了一种基于 3D 可变形线框的高分辨率车辆对象表示，该表示能精细地建模单个点和面的水平，结合此表示和明确的 3D 场景模型，我们能够对场景进行更细致和准确的理解并从单个视角评估多个对象的位置与视点的单眼 3D 姿态估计。

    Nov, 2014

  • MT-ORL: 多任务遮挡关系学习

    本文提出了一种名为 OPNet 的新架构，通过利用共享高层特征中的丰富遮挡线索和任务特定低层特征中的结构空间信息来解决现有工作中存在的两个关键问题，即缺乏可以利用两个子任务之间有限的耦合的解码器架构，以及不适当的遮挡方向表示。

    Aug, 2021

  • 弱而深地监督的遮挡推理参数化路面布局

    本文提出一种端到端的网络模型，该模型仅需要较为便宜的人工注释即可在复杂路况下的单个透视 RGB 图像上产生基于遮挡的透视空间布局和参数化鸟瞰图，并用了归纳偏差来学习遮挡推论、几何变换和语义抽象等方面，经测试该方法有效且仅需较少的人工干预。

    Apr, 2021

  • 基于 And-Or 图的在线物体跟踪、学习和解析

    本文介绍了一种名为 AOGTracker 的方法，用于在视频序列中同时跟踪，学习和解析（TLP）未知对象，使用分层和组合的 And-Or 图（AOG）表示方法。通过在线学习，使用潜在 SVM 来磨练 AOg 并解决背景中的干扰问题。通过实验表明，与现有算法相比，AOGTracker 具有更高的准确性和可靠性。

    Sep, 2015

  • 学习环视物体，以生成室外场景的俯视图表征

    研究了一个新的问题，即从复杂的室外道路场景的透视视图中估计遮挡推理的语义场景布局，提出了一种卷积神经网络方法，根据前景物体（如汽车或行人）周围的信息来预测场景布局的遮挡部分，直接预测遮挡区域的深度和语义能更好地转换成俯视图，模型的训练不需要昂贵或主观的人工标注。

    Mar, 2018

  • 跨视角动作建模、学习和识别

    提出了一种新的多视角空间 - 时间 AND-OR 图表示方法，它能在未知视角下从 2D 视频输入中识别出跨视角动作，并通过基于 Kinect 相机获得 3D 人体骨骼数据进行训练，有效提高了在 2D 视频上的跨视角动作识别准确性和鲁棒性。

    May, 2014

  • 将结构替代和共享融入层级结构中，用于多类别目标识别和检测

    本文提出一种可重构模型，用于识别和检测外观差异较大的多类（或多视）物体，该模型采用 And-Or 图结构，具备分层建模、结构可变性处理等先进能力，并提出了一种 EM 类型算法，在 PASCAL VOC 2007 和 UIUC-People 数据库等复杂环境中实现了最新的性能表现。

    Feb, 2015