论文题目：Anytime3D Object Reconstruction Using Multi-Modal Variational Autoencoder
论文地址：https://arxiv.org/abs/2101.10391
论文来源：IEEERobotics and Automation Letters (accepted with ICRA2022 options)
摘要
对于有效的人-机器人团队，机器人能够与人类操作员分享他们的视觉感知是很重要的。在苛刻的远程协作环境中，可以利用autoencoder等数据压缩技术以紧凑的形式获取和传输潜在变量的数据。此外，为了确保即使在不稳定的环境下也能获得实时运行性能，需要一种能够从不完整信息中重建完整内容的随时估计方法。在此背景下，研究人员提出了一种方法来插补部分缺失元素的潜在变量。为了在只有几个变量维度的情况下实现anytime属性，利用类别级别的先验信息至关重要。在变分自动编码器中使用的先验分布被简单地假设为各向同性高斯分布，而与每个训练数据点的标签无关。这种类型的平坦先验使得难以从类别水平分布进行插补。研究人员通过在潜在空间中利用特定类别的多模态先验分布来克服这一限制。通过根据剩余元素找到特定模态，可以对部分传输数据中缺失
