단일 뷰 3D 재구성 네트워크가 무엇을 학습하는가?

단일 뷰 객체 재구성에 대한 컨볼루션 네트워크는 인상적인 성능을 보여주었으며, 연구의 인기 있는 주제가 되었습니다. 모든 기존 기술은 출력 공간의 3D 구조에 대해 비자명한 추론을 수행하는 인코더-디코더 네트워크를 사용한다는 아이디어로 통합되어 있습니다. 본 연구에서는 이미지 분류와 검색을 각각 수행하는 두 가지 대체 접근법을 설정하였습니다. 이러한 간단한 베이스라인은 정성적 및 정량적으로 최신 방법보다 더 나은 결과를 제공합니다. 우리는 인코더-디코더 방법이 이 베이스라인과 통계적으로 구분할 수 없다는 것을 보여주며, 이는 단일 뷰 객체 재구성에서 현재의 최신 기술이 실제로 재구성을 수행하지 않고 이미지 분류를 하는 것임을 시사합니다. 우리는 이러한 행동을 유발하는 일반적인 실험 절차의 측면들을 파악하고, 연구의 현 상태를 개선하기 위한 방안들을 논의하였습니다.