基于神经架构搜索的高效端到端三维体素重建
计算机视觉与模式识别
2022-08-05 v3
摘要
使用神经网络表示三维物体已变得流行。然而，许多先前工作采用固定架构和大小的神经网络来表示不同的三维物体，这导致简单物体对应过多的网络参数，而复杂物体的重建精度受限。对于每个三维模型，期望拥有一个参数尽可能少的端到端神经网络以实现高保真重建。本文提出一种利用神经架构搜索（NAS）与二分类的高效体素重建方法。以层数、每层节点数以及每层的激活函数作为搜索空间，可基于强化学习技术获得特定网络架构。此外，为摆脱网络推理后使用的传统表面重建算法（如marching cube），我们通过二值体素分类完成端到端网络。与其他有符号距离场（SDF）预测或二分类网络相比，我们的方法以更少的网络参数实现了显著更高的重建精度。
引用
@article{arxiv.2202.13313,
title = {An Efficient End-to-End 3D Voxel Reconstruction based on Neural Architecture Search},
author = {Yongdong Huang and Yuanzhan Li and Xulong Cao and Siyu Zhang and Shen Cai and Ting Lu and Jie Wang and Yuqi Liu},
journal= {arXiv preprint arXiv:2202.13313},
year = {2022}
}
备注
Accepted by ICPR 2022 (oral presentation)