Odaklan! Bu makale sizi 3D Vision Uluslararası Konferansı'nın harika içeriğini anlamaya götürür | 3DV 2017
Leifeng.com AI Technology Review Press.3DV 2017 Uluslararası Konferansı'nın ilk gününe ait rapor içeriğini en son paylaştıktan sonra, konferansın önümüzdeki iki gününün içeriğini bu makalede paylaşmaya devam edeceğiz. (Görünüm: Qingdao Lunjian'ın 300 ustası bir araya geldi | 3DV 2017 )
Özel davet raporu (4/6)
Akademisyen Gao Wen, Peking Üniversitesi
11'inci sabahı düzenlenen özel ders oturumunda, Pekin Üniversitesi'nden Akademisyen Gao Wen bize gerçek zamanlı çevrimiçi 3B yeniden yapılandırma ve mobil arama konusundaki araştırmalarını gösterdi.
AR / VR sistemleri, otonom sürüş, İHA ve diğer alanların geliştirilmesiyle çevrimiçi görsel işleme gittikçe daha önemli hale geldi, ancak bant genişliği, depolama boyutu, pil kapasitesi vb. Gibi mobil terminal kısıtlamaları, gerçek zamanlı çevrimiçi 3B yeniden yapılandırma ve mobil arama ile sınırlıdır. Hala büyük zorluklar var. Her şeyden önce, ikinci soruda Akademisyen Gao Wen, donanım gereksinimlerini büyük ölçüde azaltabilecek ilgi noktaları eşleştirmesi yoluyla mobil arama yapmayı önerdi. Raporda Akademisyen Gao Wen, ilgi noktaları tespiti, özellik seçimi, özellik toplama, yerel özellik tanımlama ve konumlandırma ve diğer teknolojileri nasıl gerçekleştireceğini detaylandırdı ve ayrıca bu yönlerde derin öğrenmenin uygulanmasını tanıttı. Çevrimiçi 3B yeniden yapılandırma için Akademisyen Gao Wen, sorunu kilit noktalar ve nokta bulutları aracılığıyla çözmeyi önerdi. Raporun bu bölümünde, Akademisyen Gao Wen önce nokta bulutu sıkıştırmasına uygulanan MPEG sıkıştırma algoritmasının ilgili çalışmasını ayrıntılı olarak tanıttı ve ardından araştırmalarını SLAM'de tanıttı ve USB (Ultra Kısa İkili) aracılığıyla Polarimetrik tanımlama, ayıklama, eşleştirme ve Polarimetrik yapmayı önerdi. Multi-View Stereo, SLAM'deki gerçek zamanlı, doğruluk ve özelliksiz sahnelerin sorunlarını çözmek için kullanılır; Son olarak Akademisyen Gao Wen, yukarıdaki teknolojiyi kullanarak inşa ettikleri PKU IKING UAV uçuş platformunu tanıttı ve bu platformda dronları kullanarak 3 gün geçirdiler. Pekin Üniversitesi kampüsünün 3 cm-13 cm hassasiyetle üç boyutlu yapısı yeniden inşa edildi.
Quan Long, Tenured Professor, Hong Kong University of Science and Technology
Hong Kong Bilim ve Teknoloji Üniversitesi'nin ömür boyu öğretmeni Long, 11'inci öğleden sonra düzenlenen özel konferansta, yapay zeka, bilgisayarla görme, 3B vizyon rekonstrüksiyonu ve diğer konulardaki düşünme ve araştırmasını tutkuyla tanıttı.
Profesör Quan Long, konuşma ve metinle karşılaştırıldığında, yapay zekanın bakış açısına göre tüm bilgilerin yaklaşık% 80'ini oluşturduğuna ve bu nedenle daha önemli olduğuna inanıyor YZ'nin evrimi esas olarak bilgisayar görüşünden geliyor. Profesör Quan Long, bizi AI geliştirme geçmişini kısaca gözden geçirmeye götürdü. 1998'den 2012'ye kadar AI pek değişmedi; ancak bu sessiz 15 yılda, bilgi işlem donanımı CPU'dan GPU büyük ölçüde iyileştirildi, ardından son yıllarda AI'nın hızlı gelişimi izledi. Profesör Quan Long, bilgisayarla görmenin anlaşılmasında, bilgisayarla görmenin temel görsel özelliklerin araştırılması olduğuna ve özelliklerin görüntü yeniden yapılandırma ve tanımanın temeli olduğuna inanıyor. Bu bağlamda, derin öğrenme ağlarının kullanımının çok mükemmel sonuçları oldu, ancak hala iyileştirilmesi gereken birçok eksiklik var. Örneğin, tanıma açısından, yine de yalnızca belirli görevleri tamamlayabilir ve insanlar gibi görüntüleri anlayamaz. Yeniden yapılandırma açısından, iki görüntüde aynı şeylerin, ilgili özelliklerin veya piksellerin nasıl bulunacağı ve istenmeyen şeylerin (gökyüzü gibi) nasıl kaldırılacağı gibi konular da vardır. Daha sonra, Profesör Quan Long, modern 3B yeniden yapılandırma boru hatlarının içeriğini tanıttı ve buna göre, geleneksel özellik algılama ve eşleştirme, hareketten yapı ve çoklu görüntülü stereo için iyileştirmeler içeren "derin 3B yeniden yapılandırma" kavramını önerdi. . Ek olarak, Profesör Quan Long bize altizure.com (veya altizure.cn) kullanılarak 3 boyutlu olarak yeniden yapılandırılmış birkaç demo da gösterdi ve etkisi şaşırtıcı.
Niloy Mitra, Profesör, Londra Üniversitesi
Ayın 12'sinin sabahı Londra Üniversitesi'nden Profesör Niloy Mitra bizi sahne modelleme çalışmasıyla tanıştırdı.
(İçerik 3DV 2017 haber grubu tarafından sağlanmıştır) İlk olarak, Profesör Mitra bize biri gerçek diğeri işlenmiş iki sahne resmi gösterdi, ancak görüntü çok gerçekçi olduğu için çoğu insan hangisinin olduğunu bilemiyor Oluşturuluyor. Daha sonra Profesör Mitra, 3B modelin nasıl yeniden yapılandırılacağı ve doku ve ışığı geri yükleme yöntemi de dahil olmak üzere bunu nasıl yaptıklarını tanıttı. İlk olarak, resimlerin miktarına ve kalitesine göre dört durum bölünmüştür. İlk durumda, birçok nesne resminin kalitesiz olması durumunda, kötü resimler eğitim sınıflandırıcı yöntemi veya model hizalama yöntemi ile kaldırılır. 3B modele doku ekledikten sonra, oluşturduktan sonra orijinal görüntü yeniden oluşturulur. İkincisi, iyi kalitede çok sayıda nesne resminin olduğu durumdur. Motivasyon, gerçek nesne resimlerinin dokusunu benzer bir üç boyutlu modele aktarmaktır. Temel konular arasında geometrik poz tahmini ve aydınlatma modellemesi yer alır. Profesör Mitra bize algoritmalarının sonuçlarını gösterdi ve aynı dokuyu çeşitli sandalye modellerine yapıştırdı. Üçüncüsü, birkaç resim ve kalitesiz durumdur. Burada, işleme rengini geriletmek için FNN kullanılır ve ışık sentezinin sonucu PMM'ninkinden daha iyidir. Dördüncü durum, birkaç resim ve kaliteli durumdur. Bazen nesnenin dağınık yansıma rengini veya vurgu yoğunluğunu düzenlememiz gerekir, ancak manuel işlem süresi yavaş ve karmaşıktır. Profesör Mitra, bir nesnenin rengini farklı katmanlara ayırmak için CNN evrişimli sinir ağı kullanıyor, böylece renkler farklı katmanlarda hızlı bir şekilde düzenlenebilir. Ek olarak, bir görüş açısının renk düzenlemesi için, parametreler farklı bakış açılarına kopyalanabilir ve kendi kendine kullanım için optimize edilebilir ve kullanıcıların kendilerini ayarlamasına izin verilir. Profesör Mitra bir örnek verdi: Örneğin, videodaki ejderhanın öne çıkan özelliğini geliştirmek istiyorsanız, ilk kareyi işledikten sonra algoritmaları tüm videonun vurgulanmasını buna göre otomatik olarak geliştirebilir. Son olarak, Profesör Mitra çalışmalarını büyük ölçekli yapılandırılmış kentsel rekonstrüksiyonda tanıttı. Her perspektif için kullanılan farklı doku kümeleri, normal oluşturma ve yapısal ayrıntılar dahil olmak üzere Google'ın sokak görünümü yeniden yapılandırmasında birçok sorun vardır. Profesör Mitra'nın ekibi bu sorunları çözdü. Sokakları geri yüklerken, önce birçok Google sokak görünümü resmi alın, ardından binanın alt kat imar haritasını hesaplayın ve son olarak yapısal bir blok rekonstrüksiyonu yapın.
Profesör Mitra bize bir Londra bloğunun rekonstrüksiyon etkisinin bir videosunu gösterdi.Yeniden inşa sonucunda pencereler gibi yapılandırılmış bilgileri açıkça görebiliyoruz. Bu tür bir kentsel modelleme, kentsel planlama ve mimari tasarıma uygulanabilir.Örneğin, yeni bir bina tasarlarken, çevredeki çevrenin yapısal bir modellemesi varsa, yeni bina modelleme bilgilerine (pencere konumu gibi) göre değerlendirilebilir. Tasarım uygun mu? Günümüzde bu yapılandırılmış yeniden yapılandırma teknolojisi giderek daha fazla ilgi görüyor.
Yang Ruigang, 3D Vision Baş Bilimcisi, Baidu Araştırma Enstitüsü
Baidu Araştırma Enstitüsü'nün 3B vizyonunun baş bilim adamı Dr. Yang Ruigang, 12. günün öğleden sonra davetli raporunda, Baidu'nun AI alanındaki düzenini tanıttı ve Baidu'nun Apollo ve robotik üzerine yaptığı araştırmayı detaylandırdı.
(3DV 2017 Haber Grubu tarafından sağlanan bilgilere bakın) Dr. Yang Ruigang'a göre Baidu, 1994'ten bu yana PC İnternet devriminden ve 2012'den beri mobil İnternetten sonra bir sonraki dönemin yapay zekaya ait olacağına inanıyor. Bu nedenle Baidu, NLP, bilgi grafiği, kullanıcı portresi, ses, görüntü, video, AR / VR ve diğer alanlar dahil olmak üzere AI açık platformuna (ai.baidu.com) dayalı AI alanında geniş bir düzen gerçekleştirdi. Ardından Dr. Yang Ruigang, sürücüsüz araba Apollo projesinin teknik mimarisinin detaylarını tanıttı. Apollo projesi, mimarisi bir bulut hizmet platformu, bir açık yazılım platformu, bir referans donanım platformu ve bir referans araç platformundan oluşan, insansız bir açık kaynak platformudur. Çevresel algılama teknolojisinin özü, algılayıcılar tarafından toplanan verileri algılama, sahne anlama ve anlamsal bölümleme için kullanmak ve son olarak aracın sürüş yolunu tahmin etmek ve planlamaktır. Bundan sonra, Baidu'nun otonom sürüşün temeli olan yüksek çözünürlüklü harita projesini tanıttım. Ek olarak, Baidu'nun lidar SLAM projesi üç adımı içerir: özellik çıkarma, çerçeveler arası eşleştirme ve kayan pencere optimizasyonu.
Dr. Yang Ruigang daha sonra Baidu'nun robotik alanındaki çalışmalarını tanıttı. Robotların temel sorunları arasında navigasyon, haritalama ve engellerden kaçınma yer alır. Baidu, geliştirdiği ve SDK'sının robotlarla ilgili çeşitli işlevleri uyguladığı robot platformunu açıkladı. Dr. Yang Ruigang ayrıca robot platformunun dürbün görüşüne dayalı donanım sensör modülü, VIO, yer değiştirme ve engel tespitini tanıttı.
Son olarak, Dr. Yang Ruigang, Baidu'nun yüz tanıma, 1: N aramanın doğruluğu ve eşleştirme gibi görmenin diğer yönlerinde bazı araştırma ve uygulamalarının% 99'u aştığını da gösterdi. Yang Ruigang bir örnek gösterdi: Şu anki fotoğrafına giren Du Mi, onu öğretmen Yang'ın ortaokul mezuniyet fotoğraflarından kolayca bulabilir, ancak olay yerindeki seyircilerin çoğu onu ayırt edemedi. Ayrıca Yang Ruigang, Baidu'nun AR'deki araştırma ve uygulamasını gösterdi ve Baidu'nun açık platformunu tanıttı
Apollo:
Robot görüşü:
Sözlü rapor (8/12)
10. gündeki dört sözlü raporun ardından, 11. ve 12. günlerde 8 sözlü rapor vardı. Bunlar: (3DV 2017 haber grubu tarafından sağlanan içerik)
Grafik Eşleşmesi: Hareketten Yapı İçin Verimli Büyük Ölçekli Grafik Yapısı
Makale, büyük ölçekli hareket kurtarma yapı problemlerinde (Hareketten Yapı, SfM) etkin bir şekilde kullanılabilecek, görüntü eşleştirmeye benzer bir yöntem önermektedir. SFM problemlerini çözmenin mevcut yönteminden farklı olarak, kaba kuvvet aramasını önlemek ve hızlı bir şekilde eşleşen bir grafik oluşturmak için kelime dağarcığı (Voc) kullanmak. Bu yazıda araştırmacılar tarafından önerilen Grafik Eşleştirme yönteminin ön işleme aşamasında karmaşık bir kelime dağarcığı oluşturmasına gerek yoktur.Benzer grafikleri tespit etmek ve görüntüleri daha verimli bir şekilde eşleştirmek için önceki iki veriyi kullanır. Bir yandan, önceki veriler Fisher vektörünün değerlendirilmesinden, yani herhangi iki görüntünün olabilirlik fonksiyonunun gradyan vektöründen türetilir ve diğer yandan, alttaki eşleştirme grafiğindeki köşeler arasındaki görüntü mesafesinin değerlendirilmesine dayanır. Araştırmacılar tarafından yapılan deneyler, Graph Match yönteminin diğer benzer görüntü eşleştirme algoritmalarından daha etkili olduğunu kanıtladı. Bu, şüphesiz bilgisayarla görme büyük ölçekli hareket restorasyon yapısı sorununu çözmede bir başka önemli buluş.
Kovaryans Kurtarma ile Hızlı Artımlı Paket Ayarı
2B görüntülerden mevcut 3B rekonstrüksiyon teknolojisi çok olgun, ancak çoğu çevrimdışı, posterior ve rekonstrüksiyondan sonraki belirsizlik hakkında geri bildirimde bulunmuyor. Yazar, her güncellemeden sonra boyutu elde etmek için gelişmiş bir BA (Paket Ayarlama) teknolojisi önerir. Bu teknik sadece optimal çözümü hesaplamakla kalmaz, aynı zamanda ilgili belirsizliği de hesaplayabilir ve aynı zamanda yeniden yapılandırma sonrası belirsizliği geri bildirir.
Anlamsal Segmentasyon kullanarak Basamaklı Sahne Akışı Tahmini
Rapor, bir çift 3B kamera tarafından verilen ardışık iki kareden gözlemlenen sahnedeki nesnelerin şeklini ve hareketini aynı anda tahmin etmek için yeni bir yöntem getiriyor. Yöntemleri, segmentasyon, şekil, hareket ve optik akış alanı gibi mevcut faktörleri kapsamlı bir şekilde dikkate alır ve genel amaç işlevini optimize ederek doğru anlamsal sahne akış tahmini elde eder. KITTI veri setinde doğrulama yoluyla, yöntemleri gerçekten doğru ve etkilidir.
3D Vektör Alanı Olarak Statik ve Dinamik Nesne Analizi
(Hareket segmentasyonu sonuçları: sol üst 2D-SMR, sağ üst 3D-SSC, sol alt 3D-SFC, sağ alt OSF. Kırmızı kutu yanlış segmentasyonu işaretler)
Jiang Cansen ve diğerleri, üç önemli katkısı olan yeni bir sahne analizi yöntemi önerdi: birincisi, nesnelerin hareketini etkili bir şekilde algılayabilir; ikincisi, daha yüksek kaliteli bir nesne hareket segmentasyonu yöntemi sağlar Üçüncüsü, statik haritalar ve katı nesneler oluşturabilir. Yöntemleri, kalabalık ortamlarda hassas robot konumlandırma ve otonom sürüş açısından çok geniş geliştirme beklentilerine sahiptir.
Uzun Vadeli Tahminler İçin İnsan Hareketi Modellerini Öğrenmek
İnsan hareketini uzun vadeli bir ölçekte tahmin etmek, çeşitli uygulama alanlarında hala çok zorlu bir sorundur. Bu raporda, yazarlar uzay-zamansal hareket modellerini tahmin etmek için yeni bir mimari önerdiklerini ortaya koydular: Dropout Autoencoder LSTM (DAE-LSTM) Bu mimari, felaket olmadan uzun vadeli ölçeklerde daha doğal hareket dizilerini sentezleyebilir. Sürüklenme veya bozulma. Yazara göre, bu model iki bölümden oluşuyor: üç katmanlı tekrarlayan sinir ağı (geçici yönleri simüle etmek için kullanılır) ve yeni bir otomatik kodlayıcı türü (eğitimde eklem bilgilerini rastgele silerek, insan kemiklerinin uzamsal yapısı gizlenir. onarmak). Ek olarak, yazar sentezlenmiş hareket dizisinin kalitesini değerlendirmek için bir hareket sınıflandırıcı kullanan yeni bir değerlendirme şeması da önermektedir. Rapordaki ekran sayesinde, bu çalışmanın önceki yöntemlere göre daha iyi performansa sahip olduğu görülmektedir.
Video ve IMU'lardan Gerçek Zamanlı Tam Vücut Hareket Yakalama
İnsan hareketlerinin gerçek zamanlı çekimi, film eğlence endüstrisinde ve yaşam bilimlerinde büyük ilgi gördü. Raporda, yazarlar önerdikleri gerçek zamanlı bir tüm vücut hareket yakalama sistemini tanıttı.Sistemin, gelenekselden farklı olarak, yalnızca seyrek bir eylemsizlik ölçüm birimi (IMU) ve iki (veya birkaç) standart kamera tarafından alınan görüntüleri kullanması gerekir. Optik işaretleyicilere ve özel kızılötesi kameralara olan ihtiyaç. Ayrıca gerçek zamanlı bir optimizasyon çerçevesi önerdiler (IMU, kamera ve önceki poz modellerinden gelen kısıtlamalar dahil). Raporda yazarlar, uzuvların eksenel dönüşü ve sapma olmadan küresel pozisyon dahil olmak üzere 6 derecelik tam serbest hareketi yeniden oluşturmak için video ve IMU verilerinin kombinasyonunu kullandıklarını gösterdi. Deney, bu yöntemin hem iç hem de dış mekanlarda iyi performans gösterdiğini gösteriyor.
Geliştirilmiş CNN Denetimi Kullanarak Vahşi Doğada Monoküler 3D İnsan Poz Tahmini
Yazar, aktarımla öğrenme yoluyla 3D insan pozu oluşturmak için tek bir RGB görüntüsünden 2D insan pozu verilerini kullanan, böylece eğitim ve test için kullanılabilecek yeni bir veri seti MPI-INF-3DHP oluşturan CNN'ye dayalı bir yöntem önermektedir. Ek olarak, raporda yazar, 2B poz veri kümesinden 3B'ye geçişin daha iyi sonuçlar alacağını kanıtladı. Bu yöntemin gelecekte üzerinde çalışılması gereken çok şey var: 1. Büyük ölçekli kendi kendine kapanma postürü; 2. Çok kişili durum; 3. Yüzey rekonstrüksiyonu.
Kernel Eşleştirme ile Verimli Deforme Edilebilir Şekil Yazışmaları
Katı olmayan şekiller arasındaki uyuşmayı bulmak, bilgisayarla görme, grafikler ve örüntü tanımada temel bir sorundur. Raporda yazar, eşit mesafeli olmayan deformasyon, topolojik değişiklikler ve sapma altında üç boyutlu şekilleri eşleştirmek için bir yöntem önermektedir. Yazar ve diğerleri, şekil uygunluğu sorununu nokta nokta ve çift-çift tanımlayıcı seti eşleştirme problemi olarak görür ve haritalamadan önce süreklilik ekler ve bir tahmin iniş optimizasyon süreci önerir. Birden fazla veri seti üzerinde yapılan deneyler, bu yöntemin daha önce en iyi yöntemden daha iyi olduğunu kanıtladı.
Kısa rapor ve poster sunumu
Kısa raporda, Hong Kong Bilim ve Teknoloji Üniversitesi, Otomasyon Enstitüsü, Çin Bilimler Akademisi, Huazhong Bilim ve Teknoloji Üniversitesi ve Tsinghua Üniversitesi'nden yerli makalelerden dört makale olduğunu belirtmekte fayda var.
Doğru Yoğun Yeniden Yapılandırma için Göreceli Kamera İyileştirme
(İçerik yazar tarafından sağlanmıştır) Kamera geometrisinin yeniden yapılandırılması genellikle mükemmelliğe ulaşmak zordur Büyük ölçekli 3B rekonstrüksiyonun küresel kamera optimizasyonu ve gerçek zamanlı SLAM sistemindeki çoklu sensör füzyonu, genel kamera tahminini pürüzsüz hale getirerek yerel kamera epipolar ofsetine yol açar. Nokta bulutu yeniden yapılandırma kalitesi. Bu makalede, geleneksel 3B yeniden yapılandırma sürecine iki yeni yerel kamera optimizasyonu ve küresel nokta bulutu füzyon adımı eklenmiştir.Yerel nokta bulutu yeniden yapılandırması için doğru kamera parametreleri sağlarken, yerel koordinat sistemindeki nokta bulutunu küresel koordinat sistemiyle eşleştirmek için bir yöntem önerilmiştir. Hızlı algoritma. Bu algoritma, büyük ölçekli SfM yeniden yapılandırmasında ve gerçek zamanlı SLAM yeniden yapılandırmasında nokta bulutu yeniden yapılandırmasının kalitesini önemli ölçüde artırabilir.
Hareketten Toplu Artımlı Yapı
SfM (Hareketten Yapı) teknolojisi, sağlamlığı ve doğruluğu iyileştirmiştir, ancak verimlilik ve ölçeklenebilirlik hala temel zorluklarıdır. Bu makale, bu sorunları iki yinelemeli döngü içeren birleşik bir çerçevede çözmek için yeni bir toplu artımlı SfM teknolojisi önermektedir. İç döngü, ışın ayarı (BA) için kompakt bir yörünge alt kümesi bulmak için yeni bir yörünge seçim yönteminin önerildiği yörünge üçgen döngüdür. Dış halka, sürüklenme riskini azaltmak ve BA'nın çalışma süresini azaltmak için bir grup kameranın aynı anda eklendiği kamera kayıt döngüsüdür. Yazar, parça seçimi ve toplu kamera kaydı yoluyla, bu iki yinelemeli döngünün hızla birleştiğini buldu. Deneyler, bu yeni SfM sisteminin, en gelişmiş SfM sistemlerine kıyasla kamera kalibrasyon doğruluğu açısından benzer veya daha iyi olduğunu göstermiştir. Büyük ölçekli sahne yeniden yapılandırması için, daha verimli, daha güvenilir ve Ölçeklenebilirlik.
3B Yazışma Gruplama Algoritmalarının Performans Değerlendirmesi
3B şekiller arasında doğru eşleştirme ilişkisinin kurulması (ilişkilendirme sorunu olarak da bilinir), 3B bilgisayar görmesinin temel taşıdır. Makalede yazar, yaygın olarak kullanılan birkaç 3B karşılık gelen gruplama algoritmasının kapsamlı bir değerlendirmesini yaptı. Değerlendirmede, doğruluğu ve geri arama oranını iyileştirmek için ilk özellik eşleşmesinden almak için iyi bir karşılık gelen gruplama algoritmasına ihtiyaç vardır. Bu kurala yanıt olarak yazar, şekil alma, 3B nesne tanıma ve nokta bulutu kaydı için üç referans düzlemi üzerinde deneyler uyguladı. Uygulama ortamının çeşitliliği ayrıca gürültü, değişim noktası yoğunluğu, dağınıklık, tıkanma ve kısmi örtüşme dahil olmak üzere çok sayıda parazit getirecek ve bu da kapsamlı değerlendirmenin iç ve asimetrik dağılımının farklı oranlarına yol açacaktır. Yazar, nicel sonuçlara dayanarak, değerlendirme algoritmasının avantaj ve dezavantajlarını performans ve verimlilik perspektifinden özetlemektedir.
Küresel Projeksiyonlarla 3D Nesne Sınıflandırması
Tsinghua Üniversitesi'nden Zhangjie Cao, üç boyutlu nesneleri sınıflandırmak için yeni bir yöntem bildirdi - üç boyutlu nesneleri küresel bir alana yansıtmak ve üç boyutlu nesneleri küresel projeksiyondan sınıflandırmak için sinir ağlarını kullanmak. Küresel projeksiyon sınıflandırma yöntemi, iki ana akım üç boyutlu sınıflandırma yönteminin avantajlarını birleştirir - yani görüntü tabanlı yöntem ve üç boyutlu model tabanlı yöntem, böylece eğitim için çok sayıda görüntü veri seti ve küresel projeksiyon yöntemi ve voksel tabanlı kullanılabilir. Yöntem benzerdir ve üç boyutlu nesne bilgisinin tamamını kodlayabilir.
Elbette heyecan bundan daha fazlası. Ünlü üniversitelerden de pek çok rapor ve sunum var.İçeriği çok zengin ve daha sonra dikkatlice okunmaya değer, örneğin:
Monoküler yerelleştirme ve haritalamada ölçeği stabilize etmek için hız öğrenmeyi kullanma (Oxford Üniversitesi)
SEGCloud: Point Cloud'da 3D Semantik Segmentasyon (Stanford Üniversitesi)
3B Modelleri Yeniden Ölçeklendirmek için Çapraz Modal Nitelik Transferi (Stanford Üniversitesi, Princeton Üniversitesi)
Matterport3D: İç Ortamlarda RGB-D Verilerinden Öğrenme (Princeton Üniversitesi, vb.)
Bu raporların ve posterlerin içerikleri Leifeng tarafından tanıtılmayacaktır.İlgilenenler arXiv ve diğer web sitelerini indirip okuyabilir.
(Posterde Stanford Üniversitesi'nden araştırmacılar gösteriliyor)
Kapanış töreni
Son olarak, üç günlük 3DV 2017 konferansı 12'sinde 17: 20'de resmen kapandı. Konferansın en iyi bildirisi kapanış töreninde açıklandı
En İyi Öğrenci Makalesi: Seyreklik Değişmez CNN'ler
Makaleye giriş: Araştırmacılar, seyrek verilere uygulandığında geleneksel evrişimli ağların zayıf performansıyla ilgili olarak, çok iyi olabilecek evrişim sürecindeki eksik verilerin konumunu hesaba katan basit ve etkili bir seyrek evrişim katmanı önermişlerdir. Bu, şüphesiz makine öğrenimi ve bilgisayar vizyonunun kesişme noktasındaki bir başka büyük yeniliktir.
En iyi makale: Uzun Vadeli Tahminler için İnsan Hareketi Modellerini Öğrenmek
Makaleye giriş: yukarıya bakın
En İyi Kağıt Adaylığı: Kovaryans İyileştirme ile Hızlı Artımlı Paket Ayarı
Makaleye giriş: yukarıya bakın
Ardından, bir sonraki konferans 3DV 2018 açıklandı Kongre, 15-18 Eylül 2018 tarihleri arasında Verona Üniversitesi ev sahipliğinde İtalya'nın Verona kentinde düzenlenecek.
Konferansın programı kabaca bu konferansla aynı, ancak 18'inde seminerler ve sergiler eklendi. Ayrıca bildiri göndermek isteyen araştırmacıların dikkat etmesi gereken, Bildiri gönderme tarihi 5 Haziran 2018'dir.
Lei Feng Net Not: Makaledeki içerik ve fotoğrafların bir kısmı 3DV haber grubu ve fotoğraf grubu tarafından sağlandı, teşekkürler.
