3D-C2FT:用于多视图三维重建的粗到细Transformer
计算机视觉与模式识别
2023-01-18 v2 人工智能
机器学习
摘要
近来,transformer模型已成功应用于多视图三维重建问题。然而,在设计注意力机制以探索多视图特征并利用其关系来增强编码-解码模块方面仍存在挑战。本文提出一种新模型,即三维粗到细transformer(3D-C2FT),通过引入新颖的粗到细(C2F)注意力机制来编码多视图特征并修正有缺陷的三维物体。C2F注意力机制使模型能够以从粗到细的方式学习多视图信息流并合成三维表面修正。所提模型在ShapeNet和多视图真实数据集上进行了评估。实验结果表明,3D-C2FT取得了显著结果,并在这些数据集上优于若干竞争模型。
引用
@article{arxiv.2205.14575,
title = {3D-C2FT: Coarse-to-fine Transformer for Multi-view 3D Reconstruction},
author = {Leslie Ching Ow Tiong and Dick Sigmund and Andrew Beng Jin Teoh},
journal= {arXiv preprint arXiv:2205.14575},
year = {2023}
}
备注
Accepted by Asian Conference on Computer Vision (ACCV) 2022