带测试时训练的 3D 形状完善
计算机视觉与模式识别
2024-10-25 v1 机器学习
摘要
本工作解决了'形状完善'问题，即通过预测缺失部分来恢复不完整形状的任务。虽然以往工作常以单一步骤预测破碎并修复后的形状，但我们采用单独预测破碎部分和新修复部分的策略，同时确保这些预测相互关联。我们采用受 DeepSDF 等相关工作启发的解码器网络。在 particular，我们的表示方法允许我们考虑测试时训练，即在推理过程中对网络参数进行微调，以更准确地匹配给定的不完整形状。虽然以往工作在形状裂缝处常出现难题，但我们表明，对破碎部分的过拟合在 ShapeNet 数据集上八类不同形状的修复质量在 Chamfer 距离方面显著提升。
引用
@article{arxiv.2410.18668,
title = {3D Shape Completion with Test-Time Training},
author = {Michael Schopf-Kuester and Zorah Lähner and Michael Moeller},
journal= {arXiv preprint arXiv:2410.18668},
year = {2024}
}