CD$^2$：基于双重倒角距离的细节化三维网格重建
计算机视觉与模式识别
2023-01-31 v3
摘要
单目三维重建是从单张 RGB 图像中重建物体形状及其其他信息。在三维重建中，多边形网格具有详细的表面信息且计算成本低，是深度学习模型最普遍获得的表达形式。然而，现有最优方案无法直接生成结构良好的网格，我们指出大多数网格存在严重的顶点聚集（VC）与非法扭曲（IT）问题。通过分析网格形变过程，我们定位到 Chamfer Distance（CD）损失的误用是深度学习模型中 VC 与 IT 问题的根源。在本文中，我们首先通过可视化示例与定量分析展示由 CD 损失引发的这两类问题。然后，我们提出一种细节化重建方法 CD，通过两次使用倒角距离来实现合理且自适应的形变。在两个三维数据集上的大量实验以及与五种最新方案的对比表明，我们的 CD 直接生成结构良好的网格，并在若干定量指标上优于其他方法。
引用
@article{arxiv.2206.00447,
title = {CD$^2$: Fine-grained 3D Mesh Reconstruction With Twice Chamfer Distance},
author = {Rongfei Zeng and Mai Su and Ruiyun Yu and Xingwei Wang},
journal= {arXiv preprint arXiv:2206.00447},
year = {2023}
}
备注
Just accepted by TOMM