【斯坦福大学博士论文】自监督场景表示学习， 97页pdf

使用生成模型的无监督学习具有发现3D场景丰富表示的潜力。这种神经场景表示可能随后支持各种下游任务，从机器人技术到计算机图形再到医学成像。然而，现有的方法忽略了场景最基本的属性之一:三维结构。在这项工作中，我们使神经场景表征与一个感应偏差的三维结构的情况。我们证明了这种归纳偏差如何使无监督的发现几何和外观，只给定的二维图像。通过学习一组这样的三维结构感知神经表征的分布，我们可以执行联合重建的三维形状和外观只给出一个单一的二维观察。我们表明，在这个过程中学习到的特征使整个类对象的三维语义分割成为可能，只训练了30个带标记的例子，证明了三维形状、外观和语义分割之间的紧密联系。最后，我们讨论了场景表示学习在计算机视觉本身中的本质和潜在作用，并讨论了未来工作的前景。