matlab分时
代码跨域3D等变图像嵌入
免责声明
这是ICML论文随
附的
代码提交。
请注意，这是
代码要点，我们认为该要点包含用于实现本文中描述的模型的足够详细信息。
不幸的是，由于许可问题，培训管道和数据集目前无法共享。
抽象的
球形卷积网络最近已作为学习3D形状的强大特征表示的工具而引入。
球形CNN与3D旋转等价，因此非常适合于可以在任意方向观察3D数据的应用。
在本文中，我们学习了具有类似等变结构的2D图像嵌入：嵌入3D对象的图像应与对象的旋转相对应。
我们介绍了从2D图像到
球形CNN潜在空间的跨域嵌入。
该嵌入对具有3D形状属性的图像进行编码，并且与观察对象的3D旋转等价。
仅通过从为3D形状分类进行预训练的
球形CNN获得的目标嵌入对模型进行监督。
我们表明，为具有适当几何结构的图像学习丰富的嵌入足以应付各种应用，例如相对姿态估计和新颖的视图合成，而无需其他特定于任务的监督。
代码
我们简要描述主要组成部分。
model.py
包含本工作中使用的网络体系结构。
它们全部由具有一维瓶颈的编码器-解码器组成，并且从图像嵌入到球面嵌入，或者从
球形嵌入到图像（用于合成）进行训练。
s
