基于生成对抗网络的 3D 拓扑变换
机器学习
2020-07-08 v1 计算机视觉与模式识别
图像与视频处理
摘要
过去几年中，利用人工智能生成与变换图像和视频已蓬勃发展。然而，旨在生成创造性 3D 形状（如雕塑）的工作寥寥无几。本文提出一种使用生成对抗网络（GAN）的新型 3D 到 3D 拓扑变换方法。我们采用改进的 pix2pix GAN（称为 Vox2Vox）来变换 3D 物体的体素风格，同时保留原始物体形状。具体而言，我们展示如何将 3D 模型变换为两种新体素拓扑——3D 网络（3D Network）与 Ghirigoro。我们描述了如何使用我们的方法构建定制化 3D 表示。我们认为所生成的 3D 形状新颖且具启发性。最后，我们将我们的方法与直接转换 3D 形状而不使用我们 GAN 的基线算法进行比较。
引用
@article{arxiv.2007.03532,
title = {3D Topology Transformation with Generative Adversarial Networks},
author = {Luca Stornaiuolo and Nima Dehmamy and Albert-László Barabási and Mauro Martino},
journal= {arXiv preprint arXiv:2007.03532},
year = {2020}
}