面向多视图立体重建的条件式单视图形状生成

在本文中，我们提出一种基于图像的shape生成的新视角。大多数现有的基于深度学习的形状重建方法采用单视图确定性模型，该模型有时不足以确定唯一的 groundtruth 形状，因为背面被遮挡。在本工作中，我们首先引入条件生成网络来建模单视图重建中的不确定性。然后，我们将多视图重建任务表述为取每张单图像上预测形状空间的交集。我们设计了新的可微引导，包括前景约束、多样性约束与一致性损失，以实现有效的单视图条件生成与多视图合成。实验结果与消融研究表明，我们提出的方法在 3D 重建测试误差上优于 SOTA 方法，并展示了其在真实世界数据上的泛化能力。