Viewpoint refinement and estimation with adapted synthetic data

برآورد دیدگاه اشیاء در تصاویر یک کار مهم برای درک صحنه است. با این حال، دقت برآورد دیدگاه بسیار به میزان داده های آموزشی و کیفیت حاشیه نویسی بستگی دارد. در حالی که انسانها در نشانه گذاری تصاویر با حاشیه نویسی دیدگاه درشت مانند جلو، عقب، چپ یا راست، فراتر از خسته کننده هستند و کیفیت حاشیه نویسی، هنگامی که اختلاف نظر از نظر دقیق تر مورد نیاز است، برتری می یابد. برای حل این مشکل، پیشنهاد می کنیم یک حاشیه نویسی دیدگاه درشت را که توسط انسان ارائه می شود، با داده های مصنوعی که به طور خودکار از مدل های سه بعدی تولید می شود، پیشنهاد می کنیم. برای جبران تفاوت بین تصاویر مصنوعی و واقعی، ما یک رویکرد اقتباس دامنه را معرفی می کنیم که دامنه تصاویر سنتز شده را با دامنه تصاویر واقعی هماهنگ می کند. آزمایش ها نشان می دهد که رویکرد پیشنهادی به طور قابل توجهی برآورد دیدگاه بر روی چندین مجموعه داده های پیشرفته را بهبود می بخشد.