CVPRMar, 2020

用于联合物体检测和视角估计的圆柱卷积网络

PDF
TL;DR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。
发现论文，激发创造
  • 球形卷积神经网络

    该研究介绍了构建球形 CNN 的基本模块，该模型可用于解决分子回归和全球气候建模等领域的问题，并通过实验证明了其计算效率、数值精度和有效性。

    Jan, 2018

  • 构建多任务 CNN 进行视角估计

    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。

    Sep, 2016

  • 透视感知卷积在单目三维物体检测中的应用

    通过结合透视感知卷积层提取更精确和具有上下文意识的特征，将场景线索建模为准确的深度推断，从而提高单目 3D 目标检测性能。

    Aug, 2023

  • 学习球面卷积以从 360° 图像中快速提取特征

    该研究提出了一种基于球面卷积网络的方法来处理 360° 全景图像，该方法可以有效地提取特征并利用预先训练的卷积神经网络，从而大大降低了计算量和提高了准确性。

    Aug, 2017

  • 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

  • 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

  • VI-Net: 通过学习球面表示上的解耦旋转，提升 6D 目标类别级别的位姿估计

    本文通过将旋转分解为视角旋转和平面内旋转的组合，提出了一种名为 VI-Net 的新型旋转估计网络，用于解决 6D 物体姿态估计中高精度的 RGB-D 物体观测的旋转估计难题。通过基于球面的特征学习，在两个不同分支上进行估计，并通过神经网络实现视角旋转和平面内旋转的估计。通过实验证明了该方法在高精度情况下较现有方法的优越性，尤其在无 CAD 模型情况下的类别级 6D 物体姿态估计任务中。

    Aug, 2023

  • 基于图卷积核的三维点云物体检测

    该研究提出了一种基于 2D 透视范围图像的卷积神经网络架构方法，可用于直接从范围图像视图学习 3D 表示。通过利用本地几何和跨模态融合处理，该方法在行人检测方面的 AP 从 69.7％提高到 75.5％，同时模型参数和操作速度均表现良好。

    Jun, 2021

  • 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