COALESCE:基于学习合成连接的部件组装
计算机视觉与模式识别
2020-11-10 v2 图形学
机器学习
摘要
我们提出 COALESCE,首个用于基于部件的形状组装的数据驱动框架,其采用深度学习来合成部件连接。为处理部件间的几何与拓扑不匹配,我们通过侵蚀去除不匹配部分,并依赖从数据中学得的联合合成步骤来填补空隙,从而得到自然合理的部件接合。给定从不同的物体中提取的一组输入部件,COALESCE 自动对齐它们并合成合理的连接,将部件连接成由网格表示的连贯三维物体。联合合成网络专注于连接区域,通过预测与现有部件一致的隐式形状表示来重建部件间表面,同时生成平滑且拓扑有意义的连接。我们采用测试时优化来进一步确保合成的连接区域与输入部件紧密对齐,从而由多样输入部件创建逼真的部件组装。我们证明该方法显著优于先前的方法,包括用于三维形状合成的基线深度模型以及最先进的形状补全方法。
引用
@article{arxiv.2008.01936,
title = {COALESCE: Component Assembly by Learning to Synthesize Connections},
author = {Kangxue Yin and Zhiqin Chen and Siddhartha Chaudhuri and Matthew Fisher and Vladimir G. Kim and Hao Zhang},
journal= {arXiv preprint arXiv:2008.01936},
year = {2020}
}
备注
20 pages: paper + supplementary