凤仙郡天下杂谈|CVPR 最佳论文：无需任何监督，即可重建三，“后浪95后”吴尚哲的( 二 ) 原创陈大鑫、蒋宝尚AI科技评论昨天作者

文章图片
另外，具体的物体实例实际上从来都不是完全对称的，无论是在形状上还是在外观上。由于姿势或其他细节(如发型或面部表情)的变化，形状是不对称的，反射率也可能是非对称的(如猫脸的不对称纹理) 。即使当形状和反射率都是对称的，由于不对称的光照，外观仍然可能不对称。作者用了两种方式解决这个问题。首先，明确地建立光照模型来利用底层的对称性，并表明，通过这样做，模型可以利用光照作为恢复形状的额外线索。其次，扩充模型，以推理物体中潜在的不对称。值得注意的是，在损失函数方面，作者观察到L1损失函数式对小的几何缺陷敏感，容易导致重建模糊。所以作者添加了一个感知损失项来缓解这个问题。在训练过程中，作者使用Adam优化器对batch为64的输入图像进行训练，图像大小resize为64×64像素。输出深度和反射率的大小也是64×64 。训练大约进行5万次迭代，对于可视化，深度图将上采样到256 。 2实验结果更准确论文的最后，作者在三个人脸数据集上进行了测试：CelebA、3DFAW和BFM 。同时也在猫脸和合成汽车上进行了测试，文章的开头就是部分测试结果，下面是“猫主子”重建结果：

文章图片
小车重建3D效果：

文章图片
另外，与完全监督的方法和表现一般的无监督baseline相比，作者的方法在BFM数据集上重建得到的的SIDE误差和MAD误差明显优于baseline并且接近完全监督，如下表损失所示。 ?

文章图片
消融实现性能评估?

文章图片
与当前SOTA比较?

文章图片
同时，作者在论文的最后也提到了目前工作的限制和不足。

文章图片
主要有三点，其一如果假设一个简单的Lambertian阴影模型，忽略阴影和镜面反射，这会导致在极端照明条件或高度非Lambertian曲面下的不精确重建，如上图a所示；其二，分离嘈杂的深色纹理和阴影非常困难，如上图b所示；其三，极端姿态下的重建质量较低，如上图c所示。 3磁灶“95后”一作前面也提到，这篇CVPR2020最佳论文有三位作者，他们都来自牛津大学，其中吴尚哲在2018年从香港科技大学毕业后进入牛津视觉几何组，进行计算机视觉领域的研究。

文章图片
当他进入赴牛津大学攻读博士时候，他的家乡晋江对他进行了报道，晋江新闻网说：
年仅22岁的吴尚哲2014年考取香港科技大学，今年以来，他接连收到了牛津大学、苏黎世联邦理工学院、洛桑联邦理工学院的博士项目全额奖学金录取，以及号称“世界计算机第一学府”的美国卡内基梅隆大学硕士项目录取。再过不久，他将前往牛津大学，加入世界顶级的计算机视觉研究组，师从“欧洲计算机科学家”An?drewZisserman的其弟子AndreaVedaldi ，致力于人工智能相关研究。
【凤仙郡天下杂谈|CVPR 最佳论文：无需任何监督，即可重建三，“后浪95后”吴尚哲的】通过晋江新闻的报道，我们也可以看出，他家境并不富裕，父母亲在磁灶社区的老街里经营着一家裁缝店。在他年幼时，全家4口人挤住在一个30平方米的两层老房子里。贫困的家庭环境中，每日耳濡目染父母亲为了生计的艰辛，培养了他独立自主的能力，更坚定了他奋发学习的决心。通过努力学习，吴尚哲中学期间获得过全国中学生物理竞赛福建省一等奖，数学竞赛福建省三等奖，以及英语演讲比赛各级奖项等。得益于竞赛获奖的缘故，他获得了保送西安交大的机会，但在一次偶然的机会，他又自己做主报考了香港科技大学。在香港科技大学读大三时，其就开始跟随导师邓智强和戴宇榮从事计算机视觉相关研究，甚至当时还发表了两篇国际顶级会议论文，并获得出国交流学习的机会。