ECCV2020優秀論文匯總|涉及點雲處理、3D檢測識別、三維重建、立體視覺、姿態估計、深度估計、SFM等方向

本文轉載自查看原文 2020-08-01 11:36 1224 點雲

作者： Tom Hardy

來源：公眾號@3D視覺工坊

鏈接：ECCV2020優秀論文匯總|涉及點雲處理、3D檢測識別、三維重建、立體視覺、姿態估計、深度估計、SFM等方向

前言

ECCV2020的oral和spotlight名單已經發布，與往年相比，accepted paper list中增加了很多3D方向相關的作品，實在值得鼓舞。工坊對這些優秀作品進行了跟進，今天和大家分享下ECCV2020中3D方向相關的oral和spotlight，涉及點雲處理、3D檢測識別、三維重建、立體視覺、姿態估計、深度估計、SFM等~

點雲相關

1、Quaternion Equivariant Capsule Networks for 3D Point Clouds

文章鏈接：https://arxiv.org/pdf/1912.12098.pdf文章主要提出了一種用於處理點雲的3D膠囊網絡結構，可用於3D識別與方向估計。

2、Intrinsic Point Cloud Interpolation via Dual Latent Space Navigation

文章鏈接：https://arxiv.org/pdf/2004.01661v1.pdf論文提出了一種基於學習的方法，用於對表示為點雲的3D形狀進行插值，該方法可用於保留固有的形狀屬性。

3、PointMixup: Augmentation for Point Clouds

Paper暫未開放

4、PointContrast: Unsupervised Pretraining for 3D Point Cloud Understanding

Paper暫未開放

三維重建

1、Ladybird: Deep Implicit Field Based 3D Reconstruction with Sampling and Symmetry

Paper未開放

2、Deep Fashion3D: A Dataset and Benchmark for 3D Garment Reconstruction from Single-view Images

文章鏈接：https://arxiv.org/pdf/2003.12753.pdf論文主要開源了單視圖圖像重建3D服裝的數據集

3、Combining Implicit Function Learning and Parametric Models for 3D Human Reconstruction

Paper暫未開放

4、Coherent full scene 3D reconstruction from a single RGB image

文章鏈接：https://arxiv.org/pdf/2004.12989.pdf深度學習技術的進步允許最近的工作在僅輸入一個RGB圖像的情況下重建單個對象的形狀。基於此任務的通用編碼器-解碼器體系結構，論文提出了三個擴展：（1）以物理上正確的方式將本地2D信息傳播到3D體積；（2）混合3D體積表示，它可以建立翻譯等變模型，同時在不占用過多內存的情況下對精細的對象詳細信息進行編碼；（3）專為捕獲整體物體幾何形狀而設計的重建損失。此外，論文還調整模型以解決從單個圖像重建多個對象的艱巨任務。

5、Deep Reflectance Volumes: Relightable Reconstructions from Multi-View Photometric Images

Paper暫未開放

場景識別

1、ReferIt3D: Neural Listeners for Fine-Grained 3D Object Identification in Real-World Scenes

Paper暫未開放

3D檢測與識別

1、RTM3D: Real-time Monocular 3D Detection from Object Keypoints for Autonomous Driving

文章鏈接：https://arxiv.org/pdf/2001.03343.pdf源碼鏈接：https://github.com/Banconxuan/RTM3D（即將開源）論文提出了一種有效且准確的單目3D檢測框架，文中的方法預測圖像空間中3D邊界框的九個透視關鍵點，然后利用3D和2D透視的幾何關系恢復3D空間中的尺寸，位置和方向。通過這種方法，即使關鍵點的估計非常嘈雜，也可以穩定地預測對象的屬性，這使得能夠以較小的架構獲得快速的檢測速度。該方法是第一個用於單目圖像3D檢測的實時系統，同時在KITTI基准上達到了SOTA。

姿態估計

1、Self6D: Self-Supervised Monocular 6D Object Pose Estimation

文章鏈接：https://arxiv.org/pdf/2004.06468.pdf針對深度學習單目姿態估計下的數據難獲取這一缺點，論文提出了通過自監督學習方式進行單目6D姿態估計的方法，該方法消除了對帶有注釋的真實數據的需求。

2、End-to-End Estimation of Multi-Person 3D Poses from Multiple Cameras

文章鏈接：https://www.researchgate.net/publication/340644214_End-to-End_Estimation_of_Multi-Person_3D_Poses_from_Multiple_Cameras論文提出了一種從多個攝像機視圖估計多個人的3D姿勢的方法。與之前需要基於嘈雜和不完整的2D姿勢估計來建立跨視圖對應關系的工作相反，論文提出了一種直接在 3 D空間運行的端到端解決方案。

3、Multi-person 3D Pose Estimation in Crowded Scenes Based on Multi-View Geometry

Paper未開放

4、Towards Part-aware Monocular 3D Human Pose Estimation: An Architecture Search Approach

Paper未開放

5、Adaptive Computationally Efficient Network for Monocular 3D Hand Pose Estimation

Paper未開放

深度估計

1、Du^2Net: Learning Depth Estimation from Dual-Cameras and Dual-Pixels

文章鏈接：https://arxiv.org/pdf/2003.14299v1.pdf計算方式的stereo已經達到了很高的准確性，但是由於存在遮擋，重復的紋理以及沿邊緣的對應誤差，會降低stereo效果。論文提出了一種基於神經網絡的深度估計新方法，該方法將雙攝像頭的stereo與雙像素傳感器的stereo相結合，這在消費類攝像頭上越來越普遍。網絡使用新穎的架構來融合這兩個信息源，並且可以克服純雙目立體聲匹配的上述限制。論文的方法提供了具有銳利邊緣的密集深度圖，這對於計算攝影應用（如合成淺景深或3D照片）至關重要。目前進行的實驗和與最先進方法的比較表明，論文的方法比以前的工作有了實質性的改進。

立體視覺

1、Learning Stereo from Single Images

Paper未開放

2、Domain-invariant Stereo Matching Networks

文章鏈接：https://arxiv.org/pdf/1911.13287.pdf代碼鏈接：https://github.com/feihuzhang/DSMNet由於大量的領域差異（例如顏色，照明，對比度和紋理），最新的立體匹配網絡難以推廣到新的環境，本文旨在設計一種可以很好推廣到陌生場景下的立體匹配網絡（DSMNet）。