深度学习(四十七)——3D处理, NetVLAD, Spatial Transformer Networks
source link: http://antkillerfarm.github.io/dl/2018/09/26/Deep_Learning_47.html
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
深度学习(四十七)——3D处理, NetVLAD, Spatial Transformer Networks
2018-09-26
https://mp.weixin.qq.com/s/19-ggA8nPEmXgMMivI7lLQ
最新“三维深度学习(3D DL):过去与未来”教程,156页ppt
https://github.com/timzhang642/3D-Machine-Learning
3D机器学习资源汇总
https://mp.weixin.qq.com/s/pMhNgAdnfN8wnPKV-aw3hg
基于图像的三维建模参考资料
https://mp.weixin.qq.com/s/CGF-6P4RDtzQnc2XClu5zw
3D计算机视觉简介
https://mp.weixin.qq.com/s/tTdKqRZqBFxFFiZaDD9AJw
三维深度学习中的目标分类与语义分割
https://mp.weixin.qq.com/s/SBWGvu84oPKZkY5d8gz-oQ
3D实例分割
https://mp.weixin.qq.com/s/BVP7vJ1RxwyRoU0purj0Xw
3D数据分类深度学习方法综述,25页论文带你全面了解最新进展
https://zhuanlan.zhihu.com/p/59865273
三维语义分割概述及总结
https://mp.weixin.qq.com/s/wHIT2pm_5O4MOR_QLpHVLQ
PRNet:人脸3D重建与密集对齐
https://mp.weixin.qq.com/s/rxP9PlTJJdw5VmGbwRPMog
解决3D重建难题,伯克利大学根据单张平面彩图重建高精度3D结构
https://mp.weixin.qq.com/s/xIx3TJGoXsjPPDQVQMBdqA
悉尼大学发布首篇《基于图像的自动驾驶三维目标检测》研究进展,阐述3D检测数据、方法与挑战
https://mp.weixin.qq.com/s/RwofVKhBFqo3dYJzy9mlJw
国科大本科生连续在CVPR,AAAI发文,系统提出三维模型库变形分析方法
https://mp.weixin.qq.com/s/aCAFcCWkyAcz-wyqhOldNg
基于图像的场景三维建模
https://mp.weixin.qq.com/s/MldsH2WSI53ljbcbBwyPzA
国防科大、普林斯顿提出共面性检测网络:助力三维场景重建
https://mp.weixin.qq.com/s/Yoledi-OYgJmafxKBlHVPg
国科大本科生以第一作者身份发表AAAI论文,用神经网络分析三维模型
https://mp.weixin.qq.com/s/YQpuYuzk0jv5OngH5u8bEg
阿里菜鸟物流:使用深度强化学习方法求解一类新型三维装箱问题
https://mp.weixin.qq.com/s/gtIRUM58DtLgZtJYBOixvA
单幅RGB图像整体三维场景解析与重建
https://mp.weixin.qq.com/s/zDKjyxqSbqYVlx3TveL8fg
单摄像头数秒构建3D人体模型
https://mp.weixin.qq.com/s/oNXmYpp–GutT66c5p6Q8A
AI说,它可以把你变成个游戏:3D人体模型
https://mp.weixin.qq.com/s/mfdF5I2vsYJeShnOh_cp8Q
MIT新算法骗过神经网络3D物体分类,成功率超90%
https://mp.weixin.qq.com/s/1R9ttaKnXso_quIGTY1nfA
海康、UCLA、北理联合提出3D DescriptorNet:可按条件生成3D形状,克服模式崩溃
https://mp.weixin.qq.com/s/wIdcZh3EkUIm6-91pT2oSQ
DeepMind生成查询网络GQN,无监督学习展现3D场景
https://mp.weixin.qq.com/s/dwtul6XjwRYOtRqmZl2SMg
来看一场AI重建的3D全息世界杯比赛!
https://mp.weixin.qq.com/s/6agNNraba4wlOzWnDfedBg
UIUC & Zillow提出LayoutNet:从单个RGB图像中重建3D房间布局
https://mp.weixin.qq.com/s/af10gqXNfohPEISSnpJ0tQ
UCB吴翼&FAIR田渊栋等人提出强化学习环境Hourse3D
https://mp.weixin.qq.com/s/x0r-2J_YdYgIQlRDqvGofg
CVPR 2017论文解读:用于单目图像车辆3D检测的多任务网络
https://mp.weixin.qq.com/s/OfDaoRb2l_gei–bLSzTRw
宅男福音DeepFake进阶版!基于位置映射图网络进行3D人脸重建
https://mp.weixin.qq.com/s/Fgptle5p9jFtP6JPvjPHNw
腾讯优图提出几何对抗损失函数在单视图3D物体重建中的应用
https://mp.weixin.qq.com/s/0BZxFKjcwxKj7R66NRIWqQ
UC Berkeley新研究:多视角图像3D模型重建技术
https://mp.weixin.qq.com/s/ZTjklje_3fcAn6ZQ23yd4A
ScanComplete:可实现3D扫描的大规模“场景完成”和“语义分割”
https://mp.weixin.qq.com/s/joRcvCQwLYgRd29mfPd7XA
中科大&微软提出立体神经风格迁移模型,可用于3D视频风格化
https://mp.weixin.qq.com/s/a4A5WCFalH1en0IEM3mu2Q
双流束网络:北理工提出深度立体匹配新方法
https://mp.weixin.qq.com/s/XqD1iDdqQomYRMXhie_Xqw
2017以来的2D to 3D
https://mp.weixin.qq.com/s/ZU6NN-jdKzYeSnJweP-E0g
Pixel2Mesh:从单帧RGB图像生成三维网格模型
https://mp.weixin.qq.com/s/pK8zt6UFXtSIS9GAQNgICw
超越像素平面:聚焦3D深度学习的现在和未来
https://mp.weixin.qq.com/s/7P6iMcZUNNVAefrUz-dAsQ
MIT谷歌伯克利三强联手,AI创造超现实主义3D运动雕塑
https://mp.weixin.qq.com/s/bmtZ_-NaRtFitoJumukQSw
通过端到端几何推理发现潜在3D关键点
https://mp.weixin.qq.com/s/ZdzPDb8NWmWkgAufeylYLg
Google AI提出物体识别新方法:端到端发现同类物体最优3D关键点
https://mp.weixin.qq.com/s/ZTUXQVnXfcRVZOoMziTLJQ
AI做不了“真”3D图像?试试Google的新生成模型
https://mp.weixin.qq.com/s/z7m1bj-zip5lqeeC4MHbxg
SkeletonNet:完整的人体三维位姿重建方法
https://mp.weixin.qq.com/s/adSbAAV7POblqE_jaOGZhg
深度学习新应用:在PyTorch中用单个2D图像创建3D模型
https://mp.weixin.qq.com/s/l7RNfRB-KvxRHRKNYx1oeQ
云从3D人体重建登顶三项榜单,一张照片就能生成3D形象
https://mp.weixin.qq.com/s/SnvXvijf5gBMNsnVW1-KMA
一张照片获得3D人体信息,云从科技提出新型DenseBody框架
https://mp.weixin.qq.com/s/UthnL7fqEIEGvzcaXmFHKQ
基于骨架表达的单张图片三维物体重建方法
https://mp.weixin.qq.com/s/h8tk28IEuqB7g1e-vsyN5g
2DASL:目前最好的开源人脸3D重建与密集对齐算法
https://zhuanlan.zhihu.com/p/62964002
AM3D:高精度单目三维检测器
https://mp.weixin.qq.com/s/6hXNcm4ICNqa2Ezao-oE-g
AR版“神笔马良”:从单张2D图片建立3D人物运动模型,华盛顿大学与Facebook 3D重建
https://mp.weixin.qq.com/s/pPgjBmct11POKqeVv8ymIA
3D重建:硬派几何求解vs深度学习打天下?
https://mp.weixin.qq.com/s/uKCQVpkN6Va8jZisAyAfNA
3D人脸技术漫游指南
https://mp.weixin.qq.com/s/S6cf_d6CxPblRS-hnM-jSg
从多视角RGB图像生成三维网格模型Pixel2Mesh++
https://mp.weixin.qq.com/s/srHmkY_t3ChFAzhvXG6RPA
图像转换3D模型只需5行代码,英伟达推出3D深度学习工具Kaolin
https://mp.weixin.qq.com/s/CpzqhkmZOn-2Qavk90RTvQ
初学深度学习单张图像三维人脸重建需要读的文章
https://mp.weixin.qq.com/s/HQLgiRfJ0KzstPfGatKHOA
基于Siamese网络的多视角三维人脸重建
https://mp.weixin.qq.com/s/CA7_70Y5EZkULOYQ2g9O-A
Hinton最新研究NASA:一种更好地学习三维模型动作的方法
https://mp.weixin.qq.com/s/_59iRdLATm2n99M89JBqQA
KITTI立体匹配霸榜论文算法详解
https://mp.weixin.qq.com/s/npKNDrlXZ6oIlE0NG80BpQ
Geoffrey Hinton再出神作:通过神经网络估计有关节可变形的三维模型
https://zhuanlan.zhihu.com/p/112103579
深度学习在三维环境重建中的应用
https://mp.weixin.qq.com/s/cBbDCE4kQrahT8vLo3uMOw
你们还在做2D的物体检测吗?谷歌已经开始玩转3D了
https://mp.weixin.qq.com/s/SMDzPAJCpgjELsKHeQvW-A
序列化的三维形状生成网络PQ-NET
https://mp.weixin.qq.com/s/qZOCUuLt98fTpstGpC1ilg
Variational DropPath:提高3D CNN时空融合分析效率的秘诀
https://mp.weixin.qq.com/s/BNYUkocbKzqTjTNbGuNBzg
基于3DMM的三维人脸重建技术总结
https://mp.weixin.qq.com/s/-9e86JF7VyHbqTyn2whOzg
如何入门多视角人脸正面化生成?不得不看的超详细最新综述!
三维重建是计算机视觉和深度学习的重要任务。目前三维重建按照其表达方式主要分为两大类:一类是显式表达,以点云为代表(也有生成网格和体素),由神经网络直接回归生成三维空间中的几何元素;另一类是隐式表达(如NeRF),神经网络只是建模三维物体的空间占用,需要后续的渲染或表面提取获得显式三维形状。
https://www.cnblogs.com/wuyida/p/6301262.html
三维重建技术概述
https://blog.csdn.net/wishchin/article/category/5723249
一个三维重建/SLAM的blog
https://zhuanlan.zhihu.com/p/79628068
基于深度学习的视觉三维重建研究总结
https://mp.weixin.qq.com/s/C2h0xvcHCrnEYcDgHse5xA
从NeRF -> GRAF -> GIRAFFE,2021 CVPR Best Paper诞生记
https://mp.weixin.qq.com/s/ihrExTygb-Pnnh4o4tAYnQ
基于单目视觉的三维重建算法综述
https://mp.weixin.qq.com/s/Uj2gYOS2TZGVSCka57M0zA
MVSNet: 非结构化多视点三维重建网络
https://mp.weixin.qq.com/s/gRFq44pnhRScO9p3M15Gfw
基于三维重建的全新相机姿态估计方法
https://mp.weixin.qq.com/s/GyE86DG7VqW0n4p0IP-lmQ
R-MVSNet:一个高精度高效率的三维重建网络
NetVLAD
NetVLAD算的上是CNN+传统算子的一个范例。
《NetVLAD: CNN architecture for weakly supervised place recognition》
《GhostVLAD for set-based face recognition》
http://places.csail.mit.edu/
Vector of Locally Aggregated Descriptors
https://www.cnblogs.com/minemine/p/7364950.html
场景分类(scene classification)摘录
http://www.cnblogs.com/mafuqiang/p/6909556.html
图像检索——VLAD
https://www.oukohou.wang/2018/11/27/NetVLAD/
论文阅读-NetVLAD
https://www.oukohou.wang/2018/12/26/GhostVLAD/
论文阅读-GhostVLAD
https://mp.weixin.qq.com/s/cfUl0Eym0mu7rSJJL7Zt1A
基于深度学习的视觉实例搜索研究进展
https://zhuanlan.zhihu.com/p/25013378
深度纹理编码网络 (Deep TEN: Texture Encoding Network)
https://blog.csdn.net/LiGuang923/article/details/85416407
图像检索与降维(一):VLAD
https://blog.csdn.net/LiGuang923/article/details/85470289
图像检索与降维(二):NetVLAD
https://zhuanlan.zhihu.com/p/96718053
从VLAD到NetVLAD,再到NeXtVlad
https://mp.weixin.qq.com/s/HkaG9KeJ5w6FqZmo15n9JA
短视频潜力预测及其在微视推荐冷启动中的应用
https://mp.weixin.qq.com/s/WUP4C4XBHfVKI_xgHXUXiA
动作识别时序汇合(Temporal Pooling)方法介绍
Spatial Transformer Networks
《Spatial Transformer Networks》
http://www.cnblogs.com/neopenx/p/4851806.html
Spatial Transformer Networks(空间变换神经网络)
http://blog.csdn.net/shaoxiaohu1/article/details/51809605
论文笔记:Spatial Transformer Networks
http://blog.csdn.net/shaoxiaohu1/article/details/51809605
Spatial Transformer Networks
https://mp.weixin.qq.com/s/ciqQMezcB-oM24X8eQqTNg
花式玩耍Spatial Transformation Networks
https://mp.weixin.qq.com/s/4VE2lZeFf05AyLp_s3nTFQ
理解Spatial Transformer Networks
https://mp.weixin.qq.com/s/AI_QC8IgnjMSOAZJNbQjfQ
空间变换网络简单介绍
Recommend
About Joyk
Aggregate valuable and interesting links.
Joyk means Joy of geeK