项目、代码地址：在公众号「3D视觉工坊」，后台回复「U-CMR」，即可直接下载。
概述
本文主要介绍了一个学习框架，学习从单一图像中恢复物体的三维形状、姿态和纹理，训练集是没有任何真实三维形状、多视角、相机视点或关键点监督的图像集合。在本文中，作者的特别贡献之处是对摄像机上分布的表示，称之为“摄像机-多路复用”。本文的方法叫“无监督的特定类别的网格重建(U-CMR)”，在CUB、Pascal 3D等上面呈现出很好的效果，并且实现了最先进的相机预测结果。
简介
近年来，在训练深度网络从二维图像中推断三维形状方面取得了很大进展。这些方法主要分为两类，即使用3D模型的监督信号（如ShapeNet）和同一对象的多个视角（如sfm），但是不一定需要这些监督。
在互联网上很容易找到大量属于特定类别的物体的图像集合，比如鸟、汽车或椅子，这篇文章把重点放在鸟类上，如下图所示（图像来自于CUB数据集）。对于每个鸟类实例，只有一个视图，并且形状略有不同。
