基于先验知识的单视图3D重建模型实现新类别无需再训练

基于先验知识的单视图3D重建模型可用于新类别无须再训练，提高多视图重建能力 本文中，我们提出了一种基于先验知识的单视图3D重建模型，该模型可以从新类别中重建对象，而无需看到该类的任何训练图像，也无需进行任何再训练。我们的模型可以使用先验知识从新类别开始重建对象，并且可以提高多视图的重建能力。 基于先验知识的单视图3D重建 单视图3D重建是计算机视觉领域中的一个关键问题，旨在从单个图像中恢复场景的3D结构。传统上，3D结构的恢复使用场景的多个视图，但是最近已经有了使用机器学习技术从单个图像中恢复3D结构的方法。然而，从单个图像中重新覆盖3D结构是一个挑战性学习问题，输出空间不仅非常大，而且非常结构化。 类别特定的先验知识 为了解决这个问题，我们提出了一种新的模型架构，重新构建单视图3D重建作为学习，类别不可知的细化提供的，类别特定的先验。为新类别提供的先验形状可以从来自该类别的少至一个3D形状获得。我们的模型可以使用此先验知识从新类别开始重建对象，而无需看到该类的任何训练图像，也无需进行任何再训练。 模型架构 我们的模型架构可以分为两个部分：第一部分是学习类别特定的先验知识，第二部分是使用先验知识从新类别中重建对象。我们使用深度学习算法来学习类别特定的先验知识，然后使用此先验知识从新类别中重建对象。 实验结果 我们在七个基本类别上进行训练，并在六个新类别上测试模型的少镜头迁移能力。实验结果表明，我们的模型可以从新类别中重建对象，而无需看到该类的任何训练图像，也无需进行任何再训练。我们的模型优于与类别无关的基线，并且与更复杂的基线保持竞争力，这些基线对新类别进行微调。 多视图重建能力 我们的模型不仅可以从新类别中重建对象，还可以提高多视图的重建能力。我们可以使用先验知识从新类别中重建对象，然后使用多视图重建技术来提高重建精度。实验结果表明，我们的模型可以提高多视图的重建能力，尽管没有经过多视图重建任务的训练。 结论 我们提出了一种基于先验知识的单视图3D重建模型，该模型可以从新类别中重建对象，而无需看到该类的任何训练图像，也无需进行任何再训练。我们的模型可以提高多视图的重建能力，并且可以应用于各种计算机视觉领域。