Key points are not available for this paper at this time.
شهدت إعادة بناء كائن ثلاثي الأبعاد الكثيفة من صورة واحدة مؤخرًا تطورات، ولكن الإشراف على الشبكات العصبية باستخدام بيانات ثلاثية الأبعاد ذات حقيقة أرضية غير عملي بسبب العملية الشاقة لإنشاء مجموعات بيانات ثنائية الشكل المقترنة. توجهت الجهود الأخيرة نحو تعلم إشراف إعادة البناء الثلاثي الأبعاد من صور RGB مع الظلال ثنائية الأبعاد المعنونة، مما يقلل من تكلفة وجهد التوصيف. ومع ذلك، تظل هذه التقنيات غير عملية حيث لا تزال تتطلب تقييدات متعددة للعرض من مثيل الكائن خلال التدريب. نتيجة لذلك، كانت معظم الجهود التجريبية محدودة بمجموعات بيانات صناعية. في هذه الورقة، نتناول هذا ونقترح SDF-SRN، وهو نهج يتطلب فقط عرضًا واحدًا في وقت التدريب، مما يوفر فائدة أكبر للسيناريوهات الواقعية. -SRN يتعلم تمثيلات الشكل الثلاثي الأبعاد الضمنية لمعالجة الشكل العشوائي الذي قد يوجد في مجموعات البيانات. لتحقيق ذلك، نستمد صياغة جديدة للتصيير لتعلم دوال المسافة الموقعة (SDF) من الظلال ثنائية الأبعاد. outperform الطريقة لدينا تفوق على مستوى الفن في إعدادات الإشراف أحادي العرض على كل من البيانات الصناعية والواقعية.
درس لين وآخرون (الثلاثاء) هذا السؤال.