自动驾驶领域大佬在CVPR2020中 关于3D Reconstruction Learning的报告

最新推荐文章于 2022-07-19 14:00:40 发布
最新推荐文章于 2022-07-19 14:00:40 发布
阅读量531 收藏
点赞数 1

点击上方“视学算法”，选择“星标”

干货第一时间送达

作者：黄浴

https://zhuanlan.zhihu.com/p/150948693

本文仅做学术分享，如有侵权，请联系删除。

Andreas Geiger在自动驾驶的名气不用说，这次在CVPR 2020他也是在多个workshop做报告，这是他在workshop on 3d scene understanding关于Learning 3D Reconstruction in function space的报告。

和著名的教授David Forsyth一起开头，地位不可小视。

团队

目标是学习智能系统

3D世界是复杂的

3D重建是很难的

重温传统理论

问题：能不能图像学习3D结构推理？

一个环境的图像

一个NN学习问题：黑盒子？

输出表示？

Voxels

Points

Mesh

idea：隐含地表面看出分类问题，Occupancy Network（去年CVPR论文）

训练目标

加基于encoder的KL项

两个结果例子（voxel，point）

问题：目标表观学习？

texture field：去年ICCV论文

原理图

加GAN

也可以加VAE

结果例子

问题：目标运动呢？

occupancy flow：去年ICCV论文， 4D变成3D。注：ODE （ordinary differential equation）

求解ODE，学习particle dynamics，得到OFlow

结果

问题：学习隐含表征？

前向传递（渲染）

DVR：texture fields

后向传递（差分训练）

DVR：gradient

2D监督信号的结果

2.5D监督信号的结果

最后的工作没有发表？

工作连贯性强

视学算法
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
CVPR 2021 Multi-view 3D Reconstruction with Transformer
smile909的博客
04-02 2556
动机 基于深度CNN的方法在多视图3D物体重建方面达到了SOTA水平。 从多视图图像中学习3D物体的表示是3D建模、虚拟现实和计算机动画中的一个基本而又具有挑战性的问题。近年来，深度学习方法极大地促进了多视图3D重建问题的研究，其中基于深度卷积神经网络(CNN)的方法在该任务中达到了SOTA水平。 尽管取得了相当大的进展，但这些方法的两个核心模块，即多视图特征提取和融合通常是单独考察的，很少探究不同视图中的目标关系。 为了从多个输入视图中学习有效的3D表示，大多数基于CNN的方法遵循分而治之的设计原
论文解读 | CVPR2024：基于自然语言的自动驾驶场景编辑
最新发布
AITIME_HY的博客
05-16 673
点击蓝字关注我们AI TIME欢迎每一位AI爱好者的加入！作者简介卫昱西，上海交通大学硕士生概述 Editable Scene Simulation for Autonomous Drivingvia Collaborative LLM-Agents场景模拟在自动驾驶领域得到了广泛关注，因为它具有生成定制数据的巨大潜力。然而，现有的可编辑场景模拟方法在用户交互效率、多摄像头逼真渲染以及外部数字资...
CVPR自动驾驶论文汇总
My_Communication的博客
08-10 1075
Multi-Modal Fusion Transformer for End-to-End Autonomous Driving Paper Code 摘要：如何集成互补传感器的表示以实现自动驾驶？基于几何测量的传感器融合在目标检测和运动预测等感知任务中显示出巨大的潜力。 但是，对于实际驾驶任务，3D场景的全局上下文是关键，例如，交通灯状态的变化可能会影响距离该交通灯几何距离的车辆的行为。因此，仅几何图形可能不足以有效融合端到端驾驶模型中的表示。在这项工作中，我们证明了基于现有传感器融合方法的模拟学习策略在
【CVPR2020】：CVPR2020论文分方向整理: 目标检测/图像分割/姿态估计等，附打包下载
yipala的博客
02-25 2066
AdderNet: Do We Really Need Multiplications in Deep Learning? （加法神经网络） On Positive-Unlabeled Classification in GAN （PU+GAN） Multi-Modal Domain Adaptation for Fine-Grained Action Recognition（细粒度动作识别） ...
【CVPR2022】一文详解自动驾驶汽车的【独家记忆】
深度学习技术前沿
07-19 378
来源：机器之心自动驾驶汽车靠各种传感器「看到」这个世界，然后再借助人工神经网络处理来自传感器的数据。它们和人类不同，因为人类是有记忆的，一条路多走几次就熟了，但对于使用人工神经网络的自动驾驶汽车来说，这条路每天都是新的。这在天气恶劣时会成为一个问题，因为这种天气下，传感器往往没有那么可靠。‍为了缓解这一问题，来自康奈尔大学 Ann S. Bowers 计算机与信息科学学院...
CenterMask：CenterMask：实时无锚实例分段，在CVPR 2020中
03-03
我们提出了一个简单而有效的无锚实例分割，称为CenterMask的是，在同样增加了一个新的空间注意引导掩模（SAG-面膜）分支以无锚一个级对象检测器（FCOS）与面膜R-CNN 。 插入FCOS对象检测器后，SAG-Mask分支将使用...
AdversarialTexture:RGB-D扫描的对抗纹理优化（CVPR 2020）
03-08
RGB-D扫描的对抗性纹理优化（CVPR 2020）。 扫描数据下载 有关详细信息，请参阅目录。 在运行以下脚本之前，请修改src / config.py中的data_path作为下载所有数据的数据文件夹（例如Adversarial / data）的绝对路径...
mono-uncertainty:CVPR 2020-关于自我监督式单眼深度估计的不确定性
05-04
演示代码“关于自监督单眼深度估计的不确定性”， ， ， 和 ，CVPR 2020。 目前，我们不打算发布培训代码。 - - 引文 @inproceedings{Poggi_CVPR_2020, title = {On the uncertainty of self-supervised ...
DeepGlobalRegistration：[CVPR 2020口试] 3D注册的可区分框架
02-04
DGR由以下三个模块组成： 对应置信度预测的6维卷积网络闭合形式姿势估计的可微加权Procrustes算法一个强大的基于梯度的SE（3）优化器，用于姿势优化。... PointNetLK将PointNet全局功能... 通过姿势优化的反向传播，在
【CVPR2018】3D Semantic Trajectory Reconstruction f
06-14
【CVPR2018】3D Semantic Trajectory Reconstruction from 3D Pixel Continuum 是一篇在计算机视觉领域的重要研究论文，发表于2018年的计算机视觉与模式识别会议（CVPR）。这篇工作主要聚焦于从三维像素连续体中重建...
3D-RCNN: Instance-level 3D Object Reconstruction via Render-and-Compare
07-04
We present a fast inverse-graphics framework for instance-level 3D scene understanding. We train a deep convolutional network that learns to map image regions to the full 3D shape and pose of all object instances in the image. Our method produces a compact 3D representation of the scene, which can be readily used for applications like autonomous driving. Many traditional 2D vision outputs, like instance segmentations and depth-maps, can be obtained by simply rendering our output 3D scene model. We exploit class-specific shape priors by learning a low dimensional shape-space from collections of CAD models. We present novel representations of shape and pose, that strive towards better 3D equivariance and generalization. In order to exploit rich supervisory signals in the form of 2D annotations like segmentation, we propose a differentiable Render-and-Compare loss that allows 3D shape and pose to be learned with 2D supervision. We evaluate our method on the challenging real-world datasets of Pascal3D+ and KITTI, where we achieve state-of-the-art results.
自动驾驶研究回顾:CVPR 2019摘要
TensorFlowNews
10-24 1132
我们相信开发自动驾驶技术是我们这个时代最大的工程挑战之一，行业和研究团体之间的合作将扮演重要角色。由于这个原因，我们一直在通过参加学术会议，以及最近推出的自动驾驶数据集和基于语义地图的3D对象检测的Kaggle竞赛，来帮助研究社区解决自动驾驶这个挑战。 自动驾驶数据集Level5链接:https://level5.lyft.com/dataset/ Kaggle竞赛链接:https://www.k...
【开集识别论文解读】Classification-Reconstruction Learning for Open-Set Recognition——CVPR2019
cute_cxy的博客
06-06 2528
CROSR利用潜在表示进行重建，并在不损害已知类别分类精度的情况下实现鲁棒未知检测。开集分类器可以检测不属于任何训练类的样本。通常，它们将概率分布拟合到某些特征空间中的训练样本中，并将异常值检测为未知值。对于表示样本的特征，几乎所有现有的深度开集分类器都依赖于通过完全监督学习获得的特征，如图1（a）所示。然而，它们是为了强调已知阶级的区别特征，对于表示未知或将未知与已知分开并不一定有用。......
三维重建概述
薛定谔的猫头咕咕咕
09-26 1414
三维重建（3D Reconstruction）   用相机拍摄真实世界的物体、场景，并通过计算机技术进行处理得到物体的三维模型。主要包含一下技术：多视图立体几何、深度图估计、点云处理、网格重建与优化、纹理贴图、马尔可夫随机场、图割等等。三维重建是增强现实（AR）、混合现实（MR）、机器人导航、自动驾驶等领域的核心技术之一。    ...
AttGAN
qq_38284961的博客
07-30 4061
AttGAN: Facial Attribute Editing by Only Changing What You Want 摘要 本文和以往不同之处是attribute classification constraint,用来保证在生成网络的时候，正确的属性转变。 Reconstruction learning，保证改变属性之外的其他属性正常。Adversarial learning (对...
2019CVPR:Classification-Reconstruction Learning for Open-Set Recogition(Abstract)
dianru4070的博客
06-13 660
Abstract Open-set classification is a problem of handling 'unknown' classes that are not contained in the training dataset, whereas traditional classifiers assume that only known classes appear ...
CVPR2020文章汇总 | 点云处理、三维重建、姿态估计、SLAM、3D数据集等(12篇)
3D视觉工坊
04-15 3799
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达1.PVN3D: A Deep Point-wise 3D Keypoints Voting Network for 6DoF Po...
CVPR 2021 自动驾驶相关论文解读
积流成河
07-12 3491
论文列表来源：https://zhuanlan.zhihu.com/p/382419598 场景生成 SceneGen: Learning to Generate Realistic Traffic Scenes 基于神经自回归模型的场景生成器SceneGen 考虑车辆状态、高精地图，添加场景元素 采用传感器仿真器可以模拟真实世界场景 ...
CVPR18 AVOD论文详解：3D目标检测与自动驾驶的深度解析
本资源是一份关于"Joint 3D Proposal Generation and Object Detection from View Aggregation"的论文讲解PPT，该论文于2018年在CVPR上发表，聚焦于3D目标检测与自动驾驶领域的研究。AVOD（Aggregate View Object ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值