用于三维多物体场景的自动编码渐进式生成对抗网络
计算机视觉与模式识别
2019-03-11 v1
摘要
三维多物体生成模型使我们能够合成大量新颖的三维多物体场景，并识别物体、形状、布局及其位置。但多物体场景难以创建，因为数据集本质上为多模态。传统的三维生成对抗模型在生成多物体场景时效率不高，它们通常倾向于生成一个物体或生成多个物体的模糊结果。自动编码器模型在无监督范式的概率空间中具有特征提取与表示学习的广阔空间。我们试图在所提模型中利用这一性质。本文提出一种使用3DConvNets并以渐进式训练范式训练的 novel 架构，其已能生成房间、卧室、办公室等带有各种家具与物体的逼真高分辨率三维场景。我们在判别器损失函数中使用了对抗自动编码器以及WGAN-GP损失参数。最终，这种多物体场景生成的新方法还能够生成每场景更多数量的物体。
引用
@article{arxiv.1903.03477,
title = {Auto-Encoding Progressive Generative Adversarial Networks For 3D Multi Object Scenes},
author = {Vedant Singh and Manan Oza and Himanshu Vaghela and Pratik Kanani},
journal= {arXiv preprint arXiv:1903.03477},
year = {2019}
}