جدول پیوندها
چکیده و 1 مقدمه
2. کارهای مرتبط
3. روش و 3.1. معماری
3.2. ضرر و 3.3. جزئیات پیاده سازی
4. بررسی داده ها
4.1. مجموعه داده های آموزشی
4.2. معیار ارزیابی
5. آزمایش ها و 5.1. معیارها
5.2. خطوط پایه
5.3. مقایسه با روش های SOTA
5.4. نتایج کیفی و 5.5. مطالعه ابلیشن
6. محدودیت ها و بحث
7. نتیجه گیری و مراجع
الف. مقایسه کیفی اضافی
ب. استنباط در مورد تصاویر تولید شده توسط هوش مصنوعی
ج. جزئیات مدیریت داده
4.2. معیار ارزیابی
ما از سه ارزیابی مختلف دادههای دنیای واقعی استفاده میکنیم: OmniObject3D [66]Ocrtoc3D [51]و Pix3D [52]. از آنجایی که تصاویر تصاویر آزمایشی ما از دنیای واقعی میآیند، یا رندرهایی از اسکنهای سهبعدی واقعی اشیاء متفاوت از مجموعه آموزشی ما هستند، آنها مجموعهای آزمایشی خوب برای تعمیم شات صفر هستند.
OmniObject3D. OmniObject3D یک مجموعه داده بزرگ و متنوع از اسکن های سه بعدی و فیلم های اشیاء از 216 دسته است، از جمله اشیاء و محصولات خانگی، غذا و اسباب بازی. از آنجایی که بخشهای پیشزمینه نویز دارند، ما از قرارداد پیروی میکنیم و اسکنهای سه بعدی را برای تولید تصاویر آزمایشی ارائه میکنیم. [30, 31]. ما سایهزن پیشفرض مواد را بهبود میبخشیم که ظاهری شبیه شیشه ایجاد میکند تا طبیعیتر به نظر برسد. ما از نقشه های محیطی Blender و HDR برای تولید تصاویر واقعی با نورهای متنوع استفاده می کنیم.