基于规范映射的自回归三维形状生成
计算机视觉与模式识别
2022-04-06 v1
摘要
凭借对序列数据中长程依赖建模的能力，transformers 在图像、音频与文本生成等多种生成任务中展现出卓越性能。然而，由于模糊的序列化过程与难以承受的计算负担，它们在生成如高分辨率点云等结构化较弱且数据量大的格式时鲜有探索。本文旨在进一步挖掘 transformers 的威力，并将其用于三维点云生成任务。核心思想是通过学习到的规范空间，将同一类别的点云分解为语义对齐的形状组合序列。这些形状组合随后可被量化，并用于学习一个上下文丰富的组合码本以生成点云。在点云重建与无条件生成上的实验结果表明，我们的模型优于最先进方法。此外，我们的模型可轻松扩展至多模态形状补全，作为条件形状生成的一种应用。
引用
@article{arxiv.2204.01955,
title = {Autoregressive 3D Shape Generation via Canonical Mapping},
author = {An-Chieh Cheng and Xueting Li and Sifei Liu and Min Sun and Ming-Hsuan Yang},
journal= {arXiv preprint arXiv:2204.01955},
year = {2022}
}