CA$^2$T-Net：基于单张图像的类无关三维关节迁移
计算机视觉与模式识别
2023-03-24 v2 人工智能
图形学
机器学习
摘要
我们提出一种神经网络方法，将单张关节物体图像中的运动迁移到静止状态（即未关节化）的 3D 模型上。我们的网络学习预测物体的姿态、部件分割及相应运动参数，以复现输入图像中所示的关节运动。该网络由三个独立分支组成，采用共享的联合图像-形状嵌入，并端到端训练。与先前方法不同，我们的方法独立于物体的拓扑结构，可处理任意类别的物体。我们的方法仅使用合成数据训练，可用于自动驱动网格动画、从真实图像推断运动，并在测试时将关节迁移到功能相似但几何不同的 3D 模型。
引用
@article{arxiv.2301.02232,
title = {CA$^2$T-Net: Category-Agnostic 3D Articulation Transfer from Single Image},
author = {Jasmine Collins and Anqi Liang and Jitendra Malik and Hao Zhang and Frédéric Devernay},
journal= {arXiv preprint arXiv:2301.02232},
year = {2023}
}
备注
8 pages