1樓：陳曉智
這篇文章實驗指出，對於3D pose estimation，2D特徵並不比已有的各種又複雜又慢的基於CAD的3D模型差，甚至更好。
那麼，其實我更關注的是full 3D object detection，即輸出3D boxes。這個task可以基於單目RGB來做，也可以基於RGB-D來做。當然前者要難得多。
這方面的工作並不多，但目測會有越來越多的工作出來。這裡先推薦幾個工作：
Jianxiong Xiao 組的系列工作（主要針對indoor scene）：
Deep Sliding Shapes for Amodal 3D Object Detection in RGB-D Images. arXiv'15.
ECCV'14的Sliding Shapes的deep版本，也是Faster R-CNN的3D版本。整個pipeline比較優美，速度也快了很多。
3D ShapeNets: A Deep Representation for Volumetric Shapes. CVPR'15.
乙個voxel2label的DBN model，用於3D物體classification，不是detection。
Saurabh Gupta & Jitendra Malik 組的系列工作（indoor scene）：
Learning Rich Features from RGB-D Images for
Object Detection and Segmentation. ECCV'14.
Aligning 3D Models to RGB-D Images of Cluttered Scenes. CVPR'15.
Cross Modal Distillation for Supervision Transfer. arXiv'15.
這三篇文章都是基於R-CNN和CAD，可以一看。
對於outdoor scene 的full 3D detection的工作，我看到的不多，只好捂臉推薦一下我們最近的工作：
3D Object Proposals for Accurate Object Class Detection. NIPS'15.
自動駕駛場景下的3D object detection，pipeline是3D object proposals + Fast R-CNN，在KITTI上效果還不錯。
總的來說，full 3D detection對於機械人等應用是非常關鍵的，然而這方面已有的工作離應用還有點遠。個人認為，如何將deep model應用於RGB-D資料是乙個值得研究的點。在這個點上，如何做到既好又快是重點。
3D列印技術的優勢 侷限是什麼？目前技術應用情況怎麼樣？相關技術的研究依賴哪方面的技術突破？前景如何？對製造業的影響展望？
3D智作工作室 馬上2021年了，這裡問題答案太老了。我更新下答案。3D列印現階段技術優勢是在產品開發和小批量生產，雖然批量生產目前也有應用，但是還侷限性很大。你構思的產品都能通過3D列印實現實物化。前提是不違背現實理論，比如重力之類的。免去了你產品設計到實物樣品繁瑣的製作流程。機器好，夠多也可以通...
3D 全息的實現技術都有哪些？是否成熟？
目前完全不採用任何介質，直接在空氣中成像的技術是沒有的，但是已經有了一種偽全息3D的技術，這種機器叫 全息3D廣告機，這種廣告機是通過LED燈的旋轉排列進行成像，當旋轉達到一定轉速後，風扇的葉子人的視覺是無法看到的，通過視覺上的短暫停留產生3D效果。我們公司有完整的產品方案。當然還有一些採用全息膜或...
3D渲染中的技術能解決哪些問題？
Milo Yip 問題太多，恕不詳答。總括而言，一些技術用於提公升渲染品質，一些技術在不改變品質下 或少許影響下 優化渲染效能。例如各種紋理過濾屬前者，各種空間剖分屬後者。另外，還有一些是為了令製作更方便，例如各種建模和動畫製作技術。 Vinjn張靜 Real Time Rendering 是好書，...