使用生成对抗网络对不完整考古对象进行三维重建
计算机视觉与模式识别
2018-03-13 v2 人工智能
摘要
我们引入一种数据驱动的方法来辅助考古对象的修复与保护：ORGAN，一种对象重建生成对抗网络（GAN）。通过在 GAN 架构上使用编码器-解码器三维深度神经网络，并结合两个损失目标：补全损失和改进的 Wasserstein GAN 损失，我们可以训练网络有效预测受损对象缺失的几何形状。由于考古对象之间可能存在很大差异，网络以变量为条件，该变量可以是文化、区域或对象的任何元数据。在我们的结果中，我们表明即使超过一半体素缺失，我们的方法也能恢复受损对象的大部分信息，且不会产生许多错误。
引用
@article{arxiv.1711.06363,
title = {3D Reconstruction of Incomplete Archaeological Objects Using a Generative Adversarial Network},
author = {Renato Hermoza and Ivan Sipiran},
journal= {arXiv preprint arXiv:1711.06363},
year = {2018}
}
备注
6 pages, 10 figures