User: Guest  Login
More Searchfields
Simple search
Original title:
Learning to Estimate 3D Object Pose from Synthetic Data
Translated title:
Deep Learning für 3D-Objektposenschätzung unter Verwendung von synthetischen Daten
Author:
Zakharov, Sergey
Year:
2020
Document type:
Dissertation
Faculty/School:
Fakultät für Informatik
Advisor:
Ilic, Slobodan (Priv.-Doz. Dr.)
Referee:
Ilic, Slobodan (Priv.-Doz. Dr.); Lepetit, Vincent (Prof. Dr.)
Language:
en
Subject group:
DAT Datenverarbeitung, Informatik; MED Medizin
Keywords:
3D object pose estimation, domain adaptation
TUM classification:
MED 230d; DAT 760d
Abstract:
This thesis addresses the tasks of 3D object pose estimation and domain adaptation using deep learning-based methods. The first part presents pose estimation solutions of various complexity relying on manifold learning, dense correspondences, and differentiable rendering. This is followed by a number of works explicitly tackling the domain gap problem when training from synthetic data using the introduced reverse domain adaptation and adversarial domain randomization techniques.
Translated abstract:
Diese Arbeit befasst sich mit den Aufgaben der 3D-Objektposenschätzung und Domain Adaptation basierend auf Deep-Learning Methoden. Der erste Teil präsentiert Ansätze von unterschiedlicher Komplexität zur Bestimmung einer Pose, welche auf Manifold Learning, dichten Punktkorrespondenzen und differenzierbarem Rendering beruhen. Darauf folgen eine Reihe von Arbeiten, welche sich explizit mit dem Domain-Gap Problem auseinandersetzen, welches entsteht wenn auf synthetischen Daten trainiert wird, und...     »
WWW:
https://mediatum.ub.tum.de/?id=1550255
Date of submission:
15.07.2020
Oral examination:
12.11.2020
File size:
25966777 bytes
Pages:
180
Urn (citeable URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20201112-1550255-1-3
Last change:
02.03.2021
 BibTeX