CVPR2018_RotationNet: Joint Object Categorization and Pose Estimation Using Multiviews from Unsupervised Viewpoints

Author

一作: Asako Kanezaki   是个漂亮的小姐姐，  AIST  日本东京的研究所

Abstract

提出了RotationNet,用multi-view图片作为输入，同时估计物体的姿态和类别

它是用部分的multi-view图片做inference,这个性质使得它很实用,因为很多场景都只有部分的view

同时，论文提出的pose alignment的方法可以获得不同类别共享的的view-specific feature representations

RotationNet在ModelNet datasets 10- 40-class中都获得了SOTA

同时在object pose estimation中也获得了SOTA, 即使它在没有已知pose标签的数据集上训练

Introduction

However, in real-world scenarios, objects can often only be observed from limited viewpoints due to occlusions，which makes it difficult to rely on multi-view representations that are earned with the whole circumference（本文主要解决的问题: 当没有全围表示时，怎么用有限的view point images来学习特征）

object classification 和 viewpoint estimation时一个紧密相关的问题对，所以可以进行互补

不是很看的懂，挖坑待填(等CVPR accepted list出来，看大神解读)