3D-LMNet：用于从单幅图像进行准确且多样的三维点云重建的潜嵌入匹配网络
计算机视觉与模式识别
2019-03-27 v2
摘要
从单视图图像进行三维重建是一个不适定问题。从自遮挡图像推断隐藏区域既具挑战性又含歧义。我们提出一种双管齐下的方法来解决这些问题。为了更好地融入数据先验并生成有意义的重建结果，我们提出 3D-LMNet，一种用于三维重建的潜嵌入匹配方法。我们首先训练一个三维点云自编码器，然后学习从二维图像到相应所学嵌入的映射。为解决重建中的不确定性问题，我们预测与输入视图一致的多种重建结果。这通过以新颖的视图特定多样性损失学习概率潜空间来实现。我们进行了详尽的定量与定性分析，以凸显所提方法的重要性。在真实与合成数据集上的单视图三维重建任务中，我们优于 SOTA 方法，同时生成多个合理重建，展示了我们方法的泛化性与实用性。
引用
@article{arxiv.1807.07796,
title = {3D-LMNet: Latent Embedding Matching for Accurate and Diverse 3D Point Cloud Reconstruction from a Single Image},
author = {Priyanka Mandikal and K L Navaneet and Mayank Agarwal and R. Venkatesh Babu},
journal= {arXiv preprint arXiv:1807.07796},
year = {2019}
}
备注
Accepted at BMVC 2018; Codes are available at https://github.com/val-iisc/3d-lmnet