从单张图像重建新物体形状的三维结构
计算机视觉与模式识别
2021-09-03 v4
摘要
从单张图像精确预测任意物体在任意姿态下的三维形状是计算机视觉研究的一个关键目标。这极具挑战性，因为它要求模型学习一种能够利用有限训练集推断任何物体可见及被遮挡部分的表示。覆盖所有可能物体形状的训练集本身是不可行的。此类基于学习的方法本质上容易过拟合，成功实现它们取决于架构设计和训练方法。我们对影响重建性能和测量的架构设计、训练、实验设计和评估等特定因素进行了广泛研究。我们展示了所提出的 SDFNet 相对于现有方法 GenRe 和 OccNet，在可见和不可见形状上均达到了最先进的性能。我们首次提供了针对不可见物体的单张图像形状重建的大规模评估。源代码、数据和训练模型可在 https://github.com/rehg-lab/3DShapeGen 找到。
引用
@article{arxiv.2006.07752,
title = {3D Reconstruction of Novel Object Shapes from Single Images},
author = {Anh Thai and Stefan Stojanov and Vijay Upadhya and James M. Rehg},
journal= {arXiv preprint arXiv:2006.07752},
year = {2021}
}
备注
First two authors contributed equally