我们介绍了一种从单视图检测3D镜面的几何启发深度学习方法。我们通过明确地将3D镜几何形状作为学习作为电感来减少对大规模培训数据的需求。我们提取语义特征,计算帧内像素相关性,并为每个平面构建3D相关体积。相关体积指示输入在各种深度以其镜子类似的程度,允许我们识别给定平面是镜面平面的可能性。随后,我们将相关卷视为用于采样平面的特征描述符,并将其映射到单位半球,其中采样平面的正常呈现。最后,我们设计了多级球面卷曲,以粗糙的方式识别最佳镜面。合成和现实世界数据集的实验显示了3D镜像几何形状的好处,以提高数据效率和推论速度(最多25 FPS)。
translated by 谷歌翻译