3DSNet：无监督的形状到形状三维风格迁移
计算机视觉与模式识别
2021-05-19 v4 机器学习
摘要
将一幅图像的风格迁移到另一幅图像上是计算机视觉中一个流行且被广泛研究的问题。然而，三维场景下的风格迁移在很大程度上仍是一个未被探索的问题。据我们所知，我们提出了首个基于学习的、基于解耦内容与风格表示的三维物体间风格迁移方法。所提方法能够以点云和网格的形式合成新的三维形状，将源三维模型与目标三维模型的内容和风格相结合，生成在风格上类似目标、同时保留源内容的新颖形状。此外，我们扩展了该技术以隐式学习所选域的多模态风格分布。通过从学到的分布中采样风格编码，我们增加了模型可赋予输入形状的风格多样性。实验结果在多个基准上验证了所提三维风格迁移方法的有效性。我们的框架实现将在录用后发布。
引用
@article{arxiv.2011.13388,
title = {3DSNet: Unsupervised Shape-to-Shape 3D Style Transfer},
author = {Mattia Segu and Margarita Grinvald and Roland Siegwart and Federico Tombari},
journal= {arXiv preprint arXiv:2011.13388},
year = {2021}
}