用于单视图三维重建的黑盒测试时形状精化方法
计算机视觉与模式识别
2021-08-24 v1
摘要
近期在从物体图像重建其三维形状（即单视图三维重建）方面取得了诸多进展。然而，有研究指出，当前方法只是简单地采用“最近邻”策略，而非真正理解输入图像背后的形状。本文严谨地表明，对于许多最先进的方法，该问题表现为（1）粗重建与输入图像之间的不一致，以及（2）跨域泛化能力的缺失。因此我们提出 REFINE，一种可轻松集成到现有文献中任何黑盒方法流程中的后处理网格精化步骤。在测试时，REFINE 针对每个网格实例优化一个网络，以促使网格与给定物体视图之间的一致性。这一点，连同一种新颖的正则化损失组合，减小了域差距并达到了最先进的性能。我们认为这一新颖范式是迈向鲁棒、精确重建的重要一步，并在新重建网络不断被提出时仍具意义。
引用
@article{arxiv.2108.09911,
title = {Black-Box Test-Time Shape REFINEment for Single View 3D Reconstruction},
author = {Brandon Leung and Chih-Hui Ho and Nuno Vasconcelos},
journal= {arXiv preprint arXiv:2108.09911},
year = {2021}
}