从多目标的二维视图进行三维形状归纳
计算机视觉与模式识别
2016-12-20 v1
摘要
本文研究了在给定来自未知视点的多目标二维视图的情况下，归纳其三维结构分布的问题。我们提出的方法称为“投影生成对抗网络”，它训练了一个 3D 形状的深度生成模型，使其投影与输入的 2D 视图分布相匹配。通过加入投影模块，我们能够在学习阶段不使用任何 3D 数据、视点信息或标注的情况下，推断潜在的 3D 形状分布。我们证明，对于包括椅子、飞机和汽车在内的多个形状类别，该方法生成的 3D 形状质量与在 3D 数据上训练的 GAN 相当。实验还表明，将 2D 形状解耦为几何与视点，能够得到良好的 2D 形状生成模型。该方法的关键优势在于，它允许我们以完全无监督的方式从输入图像中预测 3D 形状、视点并生成新视图。
引用
@article{arxiv.1612.05872,
title = {3D Shape Induction from 2D Views of Multiple Objects},
author = {Matheus Gadelha and Subhransu Maji and Rui Wang},
journal= {arXiv preprint arXiv:1612.05872},
year = {2016}
}
备注
Submitted to CVPR 2017