論文の概要: Semi-Supervised Single-View 3D Reconstruction via Prototype Shape Priors

• arxiv url: http://arxiv.org/abs/2209.15383v1
• Date: Fri, 30 Sep 2022 11:19:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-03 15:52:19.486038
• Title: Semi-Supervised Single-View 3D Reconstruction via Prototype Shape Priors
• Title（参考訳）: プロトタイプ形状による半教師付き単眼3次元再構成
• Authors: Zhen Xing and Hengduo Li and Zuxuan Wu and Yu-Gang Jiang
• Abstract要約: 本研究では,3次元再構成のための半教師付きフレームワークであるSSP3Dを提案する。 本稿では,現実的なオブジェクト再構成を導くために,注意誘導型プロトタイプ形状先行モジュールを提案する。 実世界のPix3Dデータセットに10%のラベリング比で転送する場合も,本手法は良好に機能する。
• 参考スコア（独自算出の注目度）: 79.80916315953374
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The performance of existing single-view 3D reconstruction methods heavily relies on large-scale 3D annotations. However, such annotations are tedious and expensive to collect. Semi-supervised learning serves as an alternative way to mitigate the need for manual labels, but remains unexplored in 3D reconstruction. Inspired by the recent success of semi-supervised image classification tasks, we propose SSP3D, a semi-supervised framework for 3D reconstruction. In particular, we introduce an attention-guided prototype shape prior module for guiding realistic object reconstruction. We further introduce a discriminator-guided module to incentivize better shape generation, as well as a regularizer to tolerate noisy training samples. On the ShapeNet benchmark, the proposed approach outperforms previous supervised methods by clear margins under various labeling ratios, (i.e., 1%, 5% , 10% and 20%). Moreover, our approach also performs well when transferring to real-world Pix3D datasets under labeling ratios of 10%. We also demonstrate our method could transfer to novel categories with few novel supervised data. Experiments on the popular ShapeNet dataset show that our method outperforms the zero-shot baseline by over 12% and we also perform rigorous ablations and analysis to validate our approach.
• Abstract（参考訳）: 既存の単一ビュー3D再構成手法の性能は大規模3Dアノテーションに大きく依存している。 しかし、こうした注釈は退屈で収集に費用がかかる。 半教師付き学習は手動ラベルの必要性を軽減する代替手段として機能するが、3D再構成では未検討である。 半教師付き画像分類タスクの成功に触発されて, 半教師付き3次元再構成フレームワークSSP3Dを提案する。 特に,現実的物体再構成を導くための注意誘導型形状先行モジュールを提案する。 さらに,より優れた形状生成のインセンティブを与える識別器誘導モジュールと,ノイズのトレーニングサンプルを許容する正規化器についても紹介する。 シェープネットのベンチマークでは、提案手法は様々なラベル付け比率(1%、5%、10%、20%)で従来の監督手法よりも優れていた。 さらに,実世界のPix3Dデータセットに10%のラベリング比で転送する場合も良好に動作する。 また,本手法は教師付きデータが少ない新しいカテゴリに移行可能であることを示す。 人気のShapeNetデータセットの実験から,本手法はゼロショットベースラインを12%以上上回り,厳密な改善と分析を行い,アプローチの妥当性を検証した。

関連論文リスト

• Semi-supervised Single-view 3D Reconstruction via Multi Shape Prior Fusion Strategy and Self-Attention [0.0]
  半教師付き学習戦略はラベル付きデータへの依存を減らす革新的なアプローチを提供する。 我々は3次元再構成のための革新的なフレームワークを作成した。 当社のフレームワークでは,ベースラインよりも3.3%パフォーマンスが向上した。
  論文  参考訳（メタデータ） (2024-11-23T02:46:16Z)
• Bayesian Self-Training for Semi-Supervised 3D Segmentation [59.544558398992386]
  3Dセグメンテーションはコンピュータビジョンの中核的な問題である。 完全に教師されたトレーニングを採用するために、3Dポイントクラウドを密にラベル付けすることは、労働集約的で高価です。 半教師付きトレーニングは、ラベル付きデータの小さなセットのみを付与し、より大きなラベル付きデータセットを伴って、より実用的な代替手段を提供する。
  論文  参考訳（メタデータ） (2024-09-12T14:54:31Z)
• Robust Geometry-Preserving Depth Estimation Using Differentiable Rendering [93.94371335579321]
  我々は、余分なデータやアノテーションを必要とせずに、幾何学保存深度を予測するためにモデルを訓練する学習フレームワークを提案する。 包括的な実験は、我々のフレームワークの優れた一般化能力を強調します。 我々の革新的な損失関数は、ドメイン固有のスケール・アンド・シフト係数を自律的に復元するモデルを可能にします。
  論文  参考訳（メタデータ） (2023-09-18T12:36:39Z)
• A Fusion of Variational Distribution Priors and Saliency Map Replay for Continual 3D Reconstruction [1.2289361708127877]
  単一画像からの3次元物体形状の予測に焦点をあてた研究課題である。 このタスクは、形状の可視部分と隠蔽部分の両方を予測するために、重要なデータ取得を必要とする。 本稿では,従来のクラスを新しいクラスで学習した後でも合理的に再構築できる変分優先を用いたモデルの設計を目標とする,連続的な学習に基づく3D再構成手法を提案する。
  論文  参考訳（メタデータ） (2023-08-17T06:48:55Z)
• Weakly Supervised 3D Object Detection with Multi-Stage Generalization [62.96670547848691]
  擬似ラベル生成と多段階一般化を含むBA$2$-Detを導入する。 一般化の3つの段階、完全から部分へ、静的から動的へ、そして遠い距離へ進む。 BA$2$-Detは、KITTIデータセットの20%の相対的な改善を達成できる。
  論文  参考訳（メタデータ） (2023-06-08T17:58:57Z)
• On Triangulation as a Form of Self-Supervision for 3D Human Pose Estimation [57.766049538913926]
  ラベル付きデータが豊富である場合, 単一画像からの3次元ポーズ推定に対する改良されたアプローチは, 極めて効果的である。 最近の注目の多くは、セミと(あるいは)弱い教師付き学習に移行している。 本稿では,多視点の幾何学的制約を,識別可能な三角測量を用いて課し,ラベルがない場合の自己監督の形式として用いることを提案する。
  論文  参考訳（メタデータ） (2022-03-29T19:11:54Z)
• Semi-Supervised Adversarial Recognition of Refined Window Structures for Inverse Procedural Fa\c{c}ade Modeling [17.62526990262815]
  本稿では,逆手続きモデルに組み込んだ半教師付き対角認識戦略を提案する。 既存の3Dモデリングソフトウェアの内部に、単純なプロシージャエンジンが構築され、きめ細かい窓のジオメトリが生成される。 公開されているファサード画像データセットを用いた実験により、提案したトレーニング戦略により、分類精度が約10%向上できることが判明した。
  論文  参考訳（メタデータ） (2022-01-22T06:34:48Z)
• Learning Compositional Shape Priors for Few-Shot 3D Reconstruction [36.40776735291117]
  複雑なエンコーダ・デコーダアーキテクチャが,カテゴリごとの大量のデータを利用することを示す。 データから直接クラス固有のグローバルな形状を学習する3つの方法を提案する。 人気のShapeNetデータセットの実験から,本手法はゼロショットベースラインを40%以上上回る性能を示した。
  論文  参考訳（メタデータ） (2021-06-11T14:55:49Z)
• Monocular Human Pose and Shape Reconstruction using Part Differentiable Rendering [53.16864661460889]
  近年の研究では、3次元基底真理によって教師されるディープニューラルネットワークを介してパラメトリックモデルを直接推定する回帰に基づく手法が成功している。 本稿では,ボディセグメンテーションを重要な監視対象として紹介する。 部分分割による再構成を改善するために,部分分割により部分ベースモデルを制御可能な部分レベル微分可能部を提案する。
  論文  参考訳（メタデータ） (2020-03-24T14:25:46Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。