[发明专利]小样本视点估计

权利要求书

1.一种方法，包括：

训练神经网络的类别特定视点估计块，以学习能够推理针对新对象类别的视点估计的唯一视点估计网络；

由所述神经网络的类别无关特征提取块处理新类别的多个图像，以提取所述图像的每一个中的对象的特征；

使用所述特征，学习能够推理针对所述新对象类别的视点估计的所述唯一视点估计网络。

2.根据权利要求1所述的方法，其中使用监督学习和对象类别的有限集的训练集来训练所述类别无关特征提取块，以从所述对象类别的有限集中所包括的对象中提取通用特征。

3.根据权利要求1所述的方法，其中由所述类别无关特征提取块提取的所述对象的所述特征包括：

用于所述对象上可见关键点的位置的多峰热图，以及

所述对象的高级卷积特征集。

4.根据权利要求1所述的方法，其中元学习被用于训练所述类别特定视点估计块，以学习能够学习用于类别的所述唯一视点估计网络的网络。

5.根据权利要求1所述的方法，其中所述唯一视点估计网络使用类别特定特征提取模块和类别特定关键点检测模块。

6.根据权利要求5所述的方法，其中所述类别特定特征提取模块从输入的所述新对象类别的少量示例图像提取所述新对象类别的对象的特征。

7.根据权利要求6所述的方法，其中所述类别特定关键点检测模块使用针对所述新对象类别提取的所述特征，来检测用于所述新对象类别的目标对象的唯一语义关键点集，以用于计算所述目标对象的视点。

8.根据权利要求7所述的方法，其中所述唯一语义关键点集包括：

3D点集，其表示用于所述目标对象的类别的规范形状，

所述3D点中的每一个的2D图像投影，以及

每个2D图像投影的深度。

9.根据权利要求8所述的方法，其中所述3D点集包括可见点和不可见点。

10.根据权利要求1所述的方法，还包括：执行所述唯一视点估计网络，以推理针对所述新对象类别的所述视点估计。

11.根据权利要求10所述的方法，其中执行所述唯一视点估计网络包括：

接收所述新对象类别的少量示例图像，作为类别无关特征提取模块的输入；

由所述类别特定特征提取模块使用所述少量示例图像来提取所述新对象类别的对象的特征；

接收所述新对象类别的对象的所述特征，作为类别特定关键点检测模块的输入；

由所述类别特定关键点检测模块处理所述新对象类别的对象的所述特征，以推理针对所述新对象类别的所述视点估计。

12.一种系统，包括：

神经网络的类别特定视点估计块，其被训练以学习能够推理针对新对象类别的视点估计的唯一视点估计网络；

所述神经网络的类别无关特征提取块，其处理新类别的多个图像以提取所述图像的每一个中的对象的特征；以及

所述唯一视点估计网络，使用所述特征来学习所述唯一视点估计网络以用于推理针对所述新对象类别的视点估计。

13.根据权利要求12所述的系统，其中使用监督学习和对象类别的有限集的训练集来训练所述类别无关特征提取块，以从所述对象类别的有限集中所包括的对象中提取通用特征。

14.根据权利要求12所述的系统，其中由所述类别无关特征提取块提取的所述对象的所述特征包括：

用于所述对象上可见关键点的位置的多峰热图，以及

所述对象的高级卷积特征集。

15.根据权利要求12所述的系统，其中元学习被用于训练所述类别特定视点估计块以学习所述视点估计网络。