CVPRMar, 2023

Few-shot 几何感知关键点定位

PDF
TL;DR本文提出了一种基于 Few-shot learning 的填充关键点标注鲁棒性方法，通过少数的半监督数据和大量的自监督数据，在各种不同的物体类别中实现了语义一致的关键点定位和更准确的 3D 几何重建局部特征的二维定位。
keypoint localizationfew-shot learningself-supervision3d geometry-aware constraintsobject categories
发现论文，激发创造
  • 半监督关键点定位

    本文介绍了一种半监督的方法，使用少量标记图像和大量未标记图像同时学习关键点热图和姿态不变的关键点表示，关键点表示的语义一致性约束加以保证，并通过特征空间将图像及其扩充副本的关键点表示紧密地联系在一起，以实现对于人类和动物身体特征点的本土化定位，并在多项基准测试中显著优于先前的方法。

    Jan, 2021

  • S3K: 自监督语义关键点多视角一致性用于机器人操作

    本文探讨机器人行动的基本局限性和现有的视觉表征学习方法存在的问题，并提出利用语义三维关键点作为视觉表征的方法，通过半监督训练，使其精度达到毫米级别，能够帮助定义强化学习的奖励函数并作为代理训练的有效表征。

    Sep, 2020

  • 关键点预测下的目标姿态自监督学习

    本文提出了一种基于自监督学习的关键点预测方法来进行相机位姿预测及三维目标物体的在线重建的深度学习网络，并在几个数据集上进行了实验，取得了显著的改进。

    Feb, 2023

  • 野外无需人类标注的点云三维人体关键点估计

    提出了一种无监督学习的方法 GC-KPL 来学习 3D 人体关键点定位，并且在未标注的数据集上取得了相对合理的性能，同时 GC-KPL 在少样本学习以及利用大量未标注数据方面得到了有效应用。

    Jun, 2023

  • 少样本 3D 点云语义分割

    为了解决 3D 点云语义分割中数据有限和模型泛化性能差的问题，本文提出了一种基于注意力机制多突出物体的跨导语义分割方法，并在各种 Few-shot 点云语义分割场景下取得了显著的效果提升。

    Jun, 2020

  • 从网络图像中使用关键点伪标签学习关节点姿态

    本文提出了一种可以利用少量标记为二维关键点的图片进行单目三维建模的方法，包括训练类别特定的关键点估计器、在未标记的网络图像上生成二维关键点伪标记和利用标记和自标记集合共同训练三维重建模型等步骤，实现了对多个复杂物体的三维重建，可以迅速启动模型且易于适应新的物体种类。

    Apr, 2023

  • 回归 3D：基于反投影的 2D 特征的少样本 3D 关键点检测

    探索基础模型在 3D 形状的关键点检测任务中的应用，通过将大型预训练 2D 视觉模型的特征反投影到 3D 形状并利用它们来获取富含语义信息的稳健 3D 特征，然后使用关键点候选优化模块匹配形状上的关键点分布，该方法在 KeyPointNet 数据集上实现了少样本关键点检测的最新成果，几乎将之前最佳方法的性能翻倍。

    Nov, 2023

  • 未见过物种的少样本关键点检测与不确定性学习

    本研究提出了一种名为 “FSKD” 的方法，它利用少量标注样本可以对未知物种进行基准点和新关键点的检测。该方法包含主要和辅助基准点表示学习、相似性学习、基准点本地化不确定性建模等步骤，并引入了多元高斯分布来利用邻近基准点之间的隐式相关性。方法在检测新的基准点、少样本细粒度视觉识别和语义对齐任务中都表现出了有效性，其中在细粒度视觉识别中检测到的关键点提高了分类的准确性。

    Dec, 2021

  • 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

  • 自监督和少样本目标检测综述

    本文综述了近期研究的少样本和自监督目标检测方法，并提出了研究中的主要收获和未来方向。

    Oct, 2021