读Self-supervised Single-view 3D Reconstruction via Semantic Consistency

论文名：Self-supervised Single-view 3D Reconstruction via Semantic Consistency
作者：Xueting Li, Sifei Liu, Kihwan Kim, Shalini De Mello, Varun Jampani, Ming-Hsuan Yang, and Jan Kautz

What

1. 从 2D 图像 和 mask 中 预测 3D mesh shap, texture 和 camera pose的 工作。
2. 不需要3D的标注 或者 特征点标注 或者 多视角的图像 或者 3D先验的模板
3. 只需要 同一类物体的图像，有相同的part （比如鸟都有喙）。

How

1. 用了 SCOPS 方法 做语义分割。
2. 语义部件不变性（semantic part invariance） 。一个点的语义是不会改变的，即使形状发生改变 。 这和我们前一篇讲的 Location Consistency 差不多。
3. 构建的 uv map是用 semantic segmentation 的结果。
4. 这边 只有一个encoder 来编码image，有多个decoder 分别预测 shape，camera 和 texture。
5. 同样的 shape decoder，只是预测bias。
6. 同样的 texture decoder，预测的是 flow。

疑问

• 这边鸟的话，所有semantic uv map 都是一样的么？ 看Fig3 对于这个 uv map 还是有点疑问。
• 从 single image 预测 semantic uv map࿰