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

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