构建多任务 CNN 进行视角估计

Sep, 2016

Crafting a multi-task CNN for viewpoint estimation

Francisco Massa, Renaud Marlet, Mathieu Aubry

TL;DR本文比较了不同的物体类别视点估计方法，并提出一种新的联合训练方法，并强调了分类方法的优越性、深度架构和扩展训练数据的好处，并证明了即使使用 ImageNet 训练数据，合成数据也是有益的。结合所有这些因素，我们在 Pascal3D + 数据集上的结果比先前的最新成果提高了约 5％的 mAVP，特别是在 24 个视点分类任务上，将结果从 31.1％提高到 36.1％的 mAVP。

Abstract

convolutional neural networks (CNNs) were recently shown to provide state-of-the-art results for object category viewpoint estimation. How

convolutional neural networks object category viewpoint estimation classification approaches training data

发现论文，激发创造

视角估计 - 洞见和模型

本文提出了一个能够联合解决检测、分类和视角估计问题的 CNN 结构，并将新类型的数据添加到训练中，在加入几何与新类型数据的情况下提出了一种新颖的损失函数。通过这些方法，网络的性能得到提高，将该问题的最新成果提高了 9.8%。

Jul, 2018

使用使用渲染的 3D 模型视图训练的 CNN 进行图像视角估计

本研究提出了一种基于渲染图像合成和 CNN 的三维模型视点估计框架，通过构建可扩展且抗过拟合的图像合成流水线和针对视点估计任务的新型 CNN，实现了对 PASCAL 3D + 基准测试的最先进方法的显着优化

May, 2015

卷积模型用于联合物体分类和姿态估计

本文探讨了深度学习方法在物体识别和姿态估计方面的应用，发现卷积神经网络（CNN）可以同时进行物体分类和姿态估计，并在两个大型多视点数据集上实现了优于最先进方法的表现。

Nov, 2015

野外物体少样本检测与视角估计

本文提出了基于类代表特征和几何相似性的少样本物体检测和视角估计方法，取得了 PASCAL，COCO，Pascal3D+，ObjectNet3D 和 Pix3D 数据集中的最优结果。

Jul, 2020

等变多视角网络

本文提出了一种基于群卷积的多视图融合方法，实现对所有视图的联合推理，并通过对旋转群的离散子群进行卷积来维持等变性，从而在多个大规模的 3D 形状检索任务中取得了新的最高水平，并且在全景场景分类方面也有额外的应用。

Apr, 2019

使用 3D 卷积神经网络进行下一个最佳视角回归

本文提出了一种基于卷积神经网络的数据驱动方法来解决 3D 物体重建中的下一个最佳视角问题，验证实验表明，该方法在预测下一个最佳视角、提高物体重建覆盖率和提高运算速度等方面，都有很高的性能表现。

Jan, 2021

少样本视角估计

通过元学习训练 MetaView 框架中的视角网络，其学习估计特定类别的 3D 形状，相关深度估计和语义 2D 关键点。在 ObjectNet3D 和 Pascal3D + 数据集上进行实验，表明该框架明显优于现有方法且具有重要的体系结构创新。

May, 2019

用于联合物体检测和视角估计的圆柱卷积网络

通过提出可学习的圆柱卷积神经网络并利用空间中定义的卷积核的圆柱形表示，能够提取视点特定的特征来预测每个视点上的物体类别分数，同时使用所提出的 sinusoidal soft-argmax 模块来确定目标类别和视点。实验证明了圆柱形卷积神经网络在联合目标检测和视点估计方面的有效性。

Mar, 2020

PVNet: 一种基于点云和多视图的联合卷积网络用于三维形状识别

本文介绍了一个新的 3D 形状识别框架：Point-View Network（PVNet），该框架整合了点云和多视角数据，并利用深度学习和嵌入式注意融合方案提高了 3D 形状的准确识别。

Aug, 2018

视点和关键点

本文利用卷积神经网络解决一个目标在确定视角的情况下，同时识别和估计姿态的问题，并对姿态估计的错误模式和目标特征对性能的影响进行分析。

Nov, 2014