基于多视图一致推断的三维形状补全
计算机视觉与模式识别
2019-12-02 v1
摘要
三维形状补全对于使机器从部分观测中感知物体的完整几何形状十分重要。针对该问题，已有基于视图的方法被提出。这些方法将形状表示为多张深度图像，可反投影得到相应的三维点云，并通过学习使用神经网络补全每张深度图像来完成形状补全。尽管基于视图的方法取得了最先进的（SOTA）结果，它们在推断阶段目前并未强制已完成视图之间的几何一致性。为解决此问题，我们提出了一种用于三维形状补全的多视图一致推断技术，将其表述为一个包含数据项与正则化项的能量最小化问题。我们将正则化项表述为鼓励多视图间几何一致性的一致性损失，而数据项保证优化后的视图不会偏离学习到的形状描述符太远。实验结果表明，我们的方法比以往技术更准确地补全形状。
引用
@article{arxiv.1911.12465,
title = {3D Shape Completion with Multi-view Consistent Inference},
author = {Tao Hu and Zhizhong Han and Matthias Zwicker},
journal= {arXiv preprint arXiv:1911.12465},
year = {2019}
}
备注
Accepted to AAAI 2020 as oral presentation