1 minute read

论文发表时间:2017-05-31
作者: JunYoung Gwak, Christopher B. Choy, Animesh Garg, Manmohan Chandraker, Silvio Savarese
单位: 斯坦福
论文地址: https://arxiv.org/abs/1705.10904
官方代码: theano https://github.com/jgwak/McRecon

文章好难读哦

实践指南

本篇论文骨骼清奇,核心用的 GAN 网络,但是通篇都不用 GAN 相关的术语,而且还解释了文章思路与 GAN 不同,问题是解释又很牵强:

GAN 相关术语 本文的替换词汇(中) 本文的替换词汇(中)
GAN 基于对抗约束的弱监督重建
对抗优化
weakly supervised reconstruction with adversarial constraint
constrained optimization
对抗损失 惩罚函数 penalty function
判别器 流形约束
对抗约束
约束冲突
将生成结果约束到真实数据流形上
manifold constraint
adversarial constraint
constraint violation
constrain the reconstruction to be in manifold of realistic shape
数据分布 流形约束的边界 barrier for manifold constraint
softmax 对数界限 log barrier

是我没读懂还是论文太烂了

1 概述

GAN 实现三维重建;

2 方案

前导知识:深度学习基本知识CNNGAN3D

2.1 模型结构


图1:网络结构

3 损失函数


图2:网络简图

\(\begin{align} \mathcal{L}_{reproj.}(x, \mathbf c, \mathbf m) &= {1 \over M} \sum_j^M \mathcal{L}_s(RP(x, c_j), m_j) \label{loss_project} \\ Loss &= \mathop{\mathbb{E}}\limits_{v \in views} [\mathcal{L}_{reproj.}(\hat x, m_v)] - {1 \over t} \log g(\hat x) \label{loss} \\ Loss_{discriminator} &= \mathop{\mathbb{E}}\limits_{x \sim p}[\log g(x)] + \mathop{\mathbb{E}}\limits_{x \sim q}[\log (1-g(x)] \label{Loss_discriminator} \\ \end{align}\) 公式 $\eqref{loss_project}$ 中 $M$ 是视图/角的个数,$c$ 是视角,$x$ 是生成的 3D 模型,$RP$ 是 3D 到 2D 的投影函数,$\mathcal{L}_s$ shi 逐像素的交叉熵;
公式 $\eqref{Loss_discriminator}$ 中 $p$ 是真实 3D 数据分布,$q$ 是生成的 3D 数据分布;

4 实验

4.1 数据集

ShapeNet,ObjectNet3D,OnlineProduct;

4.2 实验结果

现有方法的对比
评估矩阵
消融实验
ShapeNet
单视角真实数据训练
多视角真实数据训练

4.2.1 精度

4.2.2 速度

5 思考

1.什么是「流形」

manifold;

2.为什么文章中作者大量使用「把重建结果约束在真实 3D 物体的流形结构中」,而不是使用「3D 重建」

「3D 重建」这个概念并没有告诉我们使用的是无监督、弱监督还是监督,也就是范围太广;而「把重建结果约束在真实 3D 物体的流形结构中」很明显就是弱监督,而不是需要完整的 3D 标签来完成重建;
「把重建结果约束在真实 3D 物体的流形结构中」=「弱监督 3D 重建」=「把重建结果约束到真实的数据分布」=「GAN」;个人认为此处加入「流形」这个概念是为了提升论文的档次,并没有用「流形」这一特性来改进模型;

3.RayTrace 模块反向传播怎么做的

RayTrace 是将 3D 物体投影到 2D 上,投影过程使用了 MaxPooling 操作;所以,对 2D 的求导结果直接按 MaxPooling 的反向传播方式(拷贝梯度)传会 3D 即可;

1.判别器用的 softmax-crossentropy,这种方式效果真的好吗

6 总结


TOP

附录

A 术语

1. ill-posed problem
well posed problbem:解存在、唯一、稳定(输入连续变化时,输出不会跳变);
ill posed problem:「不适定问题」,也就是「不 well posed problem」,简单来说就是结果不唯一,比如 a+b=5,求 a 和 b 的值就是不适定问题;矩阵乘法如果是不适定问题,通常是因为那个矩阵不满秩,零空间不为空,这样即使真实解发生很大的变化,仍然得到相同的结果;所以对于不适定问题,需要做各种先验假设,来约束它,使它变为 well posed,从而能够求解;很多求逆的问题都是不适定问题;
在计算机视觉中,有很多任务不满足“适定”条件,通常不满足第二条和第三条;比如用GAN“伪造”图像的时候,这个任务就不满足“解的唯一性”;做图像超分辨率,或者对图像去雨去雾去模糊等等任务时,这些都没有一个标准答案,解有无数种;更重要的是,这些解都是不稳定的;

参考书:《逆问题数学理论导论》、《统计和计算中的逆问题》
图像处理中不适定问题(ill posed problem)或称为反问题(inverse Problem)

B 参考文献

  • 光线追踪
    1. octree voxel-walking
      Ray Tracing News. Linear-time Voxel Walking for Octrees, by Jim Arvo.
      J. Arvo. Linear-time voxel walking for octrees. Ray Tracing News, 1(2), 1988.
    2. raybox intersection algorithm
      A. Williams, S. Barrus, R. K. Morley, and P. Shirley. An efficient and robust ray-box intersection algorithm. In ACM SIGGRAPH 2005 Courses, page 9. ACM, 2005.

Comments