3D-PSRNet：从单幅图像重建部件分割的三维点云
计算机视觉与模式识别
2018-10-02 v1
摘要
我们提出了一种机制，仅给定单幅输入图像即可重建物体的部件标注三维点云。我们证明，与单独训练每个任务相比，联合训练重建与分割两个任务可在两项任务上均获得性能提升。其核心思想是在训练过程中从每个任务传播信息以辅助另一任务。为此，我们在训练机制中引入了位置感知分割损失。我们通过实验证明了所提损失在生成更忠实的部件重建结果的同时也提高了分割精度的有效性。我们在 ShapeNet 数据集的不同物体类别上对所提方法进行了充分评估，在重建与分割上均取得了改进结果。
引用
@article{arxiv.1810.00461,
title = {3D-PSRNet: Part Segmented 3D Point Cloud Reconstruction From a Single Image},
author = {Priyanka Mandikal and Navaneet K L and R. Venkatesh Babu},
journal= {arXiv preprint arXiv:1810.00461},
year = {2018}
}
备注
Accepted at ECCV Workshop 2018. Codes are available at https://github.com/val-iisc/3d-psrnet