3D Implicit Transporter for Temporally Consistent Keypoint Discovery

《3D Implicit Transporter for Temporally Consistent Keypoint Discovery》

作者：Chengliang Zhong1,2, Yuhang Zheng3, Yupeng Zheng4, Hao Zhao2

Github：3D implicit Transporter

摘要：

这篇论文讨论了基于关键点的表示在各种视觉和机器人任务中的优势。然而，现有的2D基于关键点表示在确保几何一致性时面临挑战。为了解决这个问题，作者介绍了一种新的方法，名为3D Implicit Transporter，它能够同时处理空间和时间信息。该方法不仅能够在3D数据上发现关键点，还能确保它们在时空上保持一致。此外，论文还展示了该方法在3D物体操作和演示学习中的高效性能。论文所提方法的源代码已经公开。

简介：

论文开始强调了在时空输入中建立对应关系的重要性，这是人类视觉系统的一个标志。许多生物学家已经验证了这种能力，并在发展过程中分离不同的物体。此外，从图像序列中获得的对应关系也是计算机视觉中最古老的主题之一。然后，论文提到了