编者按

• 只用了clevrn类数据集，而且甚至还是简单的低分辨率渲染，实验比较简单

Motivation

• 把场景表征为多个物体
• 输入input RGB image，通过一个recurrent encoder，回归出每个物体的shape, pose, texture；shape通过SDF表征
• 半监督体现在训练时候用的是RGB-D，测试时候只需要RGB
• single view见所有物体；物体个数是已知的
  

Overview

• 首先从example shapes有监督地训练SDF（的decoder）；
• 然后自监督地通过RGB-D训练differentiable renderer和recurrent encoder
• Q: recurrent真的能这样设计吗？
  
• 可以看到recurrent的主要目的是迭代、逐个地得出object的code，倒是和之前*Multi-object representation learning with iterative variational inference.*那篇有些像
  每个物体输出深度估计，图像估计，与occulusion mask
  

results