3D-R2N2：一种用于单视图与多视图三维物体重建的统一方法
计算机视觉与模式识别
2016-04-05 v1 人工智能
摘要
受近期利用形状先验实现鲁棒三维重建的方法成功的启发，我们提出了一种新颖的循环神经网络架构，称之为三维循环重建神经网络（3D-R2N2）。该网络从大量合成数据中学习从物体图像到其底层三维形状的映射。我们的网络输入来自任意视角的单个或多个物体实例图像，并输出以三维占据栅格形式表示的物体重建结果。与大多数先前工作不同，我们的网络在训练或测试时不需要任何图像标注或物体类别标签。我们广泛的实验分析表明，我们的重建框架 i) 在单视图重建上优于最先进方法，并且 ii) 能够在传统SFM/SLAM方法失效（由于缺乏纹理和/或宽基线）的情况下实现物体的三维重建。
引用
@article{arxiv.1604.00449,
title = {3D-R2N2: A Unified Approach for Single and Multi-view 3D Object Reconstruction},
author = {Christopher B. Choy and Danfei Xu and JunYoung Gwak and Kevin Chen and Silvio Savarese},
journal= {arXiv preprint arXiv:1604.00449},
year = {2016}
}
备注
Appendix can be found at http://cvgl.stanford.edu/papers/choy_16_appendix.pdf