CaDeX：通过神经同胚学习动态表面表示的规范形变坐标空间
计算机视觉与模式识别
2022-03-31 v1
摘要
尽管静态 3D 形状的神经表示已被广泛研究，但可形变表面的表示仍局限于依赖模板或缺乏效率。我们引入规范形变坐标空间（CaDeX），一种形状与非刚体运动的统一表示。我们的核心见解是通过连续的双射规范映射（同胚）及其逆（经由学习到的规范形状）来分解帧间形变。我们新颖的形变表示及其实现简单、高效，并保证循环一致性、拓扑保持以及（若需要）体积守恒。我们对学习到的规范形状的建模为形状先验学习提供了灵活而稳定的空间。我们在建模广泛的可形变几何上展示了最先进的性能：人体、动物身体以及关节物体。
引用
@article{arxiv.2203.16529,
title = {CaDeX: Learning Canonical Deformation Coordinate Space for Dynamic Surface Representation via Neural Homeomorphism},
author = {Jiahui Lei and Kostas Daniilidis},
journal= {arXiv preprint arXiv:2203.16529},
year = {2022}
}
备注
CVPR2022 webpage https://www.cis.upenn.edu/~leijh/projects/cadex/