论文笔记(一)——3D-Assisted Feature Synthesis for Novel Views of an Object
来源:互联网 发布:手机淘宝店装修模板 编辑:程序博客网 时间:2024/06/10 06:07
输入:1.一张椅子模型的图片,有类标签。2.这个类下的模型集合
输出:1.这个模型在其他视角中的特征
原理:就像你看不到自己的背后,但是你可以通过看其他人的背后来判断自己的背后大概是什么样子。
寻找代表性patch:
一个视角中的一些patch可以很好的预测其他视角中的patch,这些patch就叫做代理性patch,这些patch所在的区域就是代理性区域.
比如人的手就可以代理人一样,你看到人的手就可以猜到人的脚大概是什么样。
但是人的头发就不能很好地代理人,因为很多动物也有头发,你不能单单根据头发猜到这个动物其他部分的情况。
另外,相比上面一个类比,文章还加了视角的成分。同样一个人,如果你只能从他的左边看到他的手指的个数,只能从他的下面看到他的脚趾的个数,那么他的手指的个数具有代理性,就需要是从左面这个视角看才行。这时,如果说他的手指的个数能够预测他的脚趾的个数,那么就要多加一个限定条件,即从左边看到的手指个数可以预测从下面看到的脚趾个数,反之从其他视角看到的就不行。
再回到文章中,不难看出,作者想找到一个视角下的代理patch,其实就是想找到不同视角之间频繁出现的patch对,
然后作者就自己用公式定义了频繁的意义
其中的r就是不同视角的patch对的频繁性得分,r越大,说明这个patch对在两个模型的特定的两个不同视角中越频繁成对出现。
既然有很多频繁出现的patch对,然后就可以寻找最具有代理性的patch,它和很多patch的频繁性得分比较高
如图,左边的patch和其他视角更多的patch频繁出现,因此它比右边更具有代理性。就像从左边这个视角看人,发现手指的个数比一点点的头发更容易猜到人其他部位一样。
最后
通过找到这个类别下,每个视角下最具有代理性的patch,对于用户输入的模型的一个视角,我们利用前面找到的这个视角下的代理性的patch,找到和输入模型视角中相近的其他模型视角,并且利用其他模型视角代理性patch预测指定视角中的patch,然后把这些patch信息根据之前输入模型视角和其他模型视角的关系整合起来,就得到了输入模型在另外一个视角中的特征。
- 论文笔记(一)——3D-Assisted Feature Synthesis for Novel Views of an Object
- A Novel Text Structure Feature Extractor for Chinese Scene Text Detection and Recognition论文笔记
- 论文笔记——Rich feature hierarchies for accurate object detection and semantic segmentation
- Feature Pyramid Networks for Object Detection 论文笔记
- 行人检测论文笔记:Fast Feature Pyramids for Object Detection?
- 行人检测论文笔记:Fast Feature Pyramids for Object Detection?
- 论文笔记:Feature Pyramid Networks for Object Detection
- A Morphable Model For The Synthesis of 3D Faces
- 目标检测 Feature Pyramid Networks for Object Detection(FPN)论文笔记
- [深度学习论文笔记][Object Detection] Rich feature hierarchies for accurate object detection and semantic seg
- 目标检测 R-CNN 论文笔记(Rich feature hierarchies for accurate object detection and semantic segmentation)
- RCNN学习笔记(1)-RCNN-Rich feature hierarchies for accurate object detection and semantic segmentation论文
- 经典论文阅读笔记——Feature篇(上)
- 经典论文阅读笔记——Feature篇(下)
- 【深度学习论文笔记】Rich feature hierarchies for accurate object detection and semantic segmentation
- 论文笔记:Rich feature hierarchies for accurate object detection and semantic segmentation
- 论文笔记 《Rich feature hierarchies for accurate object detection and semantic segmentation》
- 论文笔记 《Rich feature hierarchies for accurate object detection and semantic segmentation》
- [python]<BUG>解决UnicodeDecodeError: ‘ascii’ codec can’t decode byte 0xe5 in position 108: ordinal not
- 对Retrofit的学习小结
- pp看书笔记---C#高级编程第九版 第十章 【数据结构】
- 设计模式之组合模式Composite
- vim tips
- 论文笔记(一)——3D-Assisted Feature Synthesis for Novel Views of an Object
- git 命令cherry-pick 完美实践
- windows远程访问
- Django运行方式及处理流程总结
- C++之new、delete 与malloc、free的异同
- JAVA final 关键字
- key.enc
- Hibernate注解配置 在Spring的配置文件里写法
- JBOSS和Tomcat区别