基于深度混合自先验的完整三维网格生成
计算机视觉与模式识别
2021-08-25 v2
摘要
我们提出了一种深度学习流程，利用网络自先验从彩色三维点云中恢复由三角网格和纹理贴图组成的完整三维模型。与以往或利用二维自先验进行图像编辑、或利用三维自先验进行纯表面重建的方法不同，我们提出在深度神经网络中利用一种新颖的混合二维-三维自先验，以显著提升几何质量并生成高分辨率纹理贴图，而这是消费级三维扫描仪输出中通常缺失的。具体而言，我们首先使用具有三维自先验的三维卷积神经网络生成初始网格，然后在二维UV图集中编码三维信息与颜色信息，并由具有自先验的二维卷积神经网络进一步细化。通过这种方式，二维与三维自先验均被用于网格与纹理的恢复。实验表明，在无需任何额外训练数据的情况下，我们的方法能从稀疏输入中恢复高质量的三维带纹理网格模型，并在几何与纹理质量上均优于最先进的方法。
引用
@article{arxiv.2108.08017,
title = {Deep Hybrid Self-Prior for Full 3D Mesh Generation},
author = {Xingkui Wei and Zhengqing Chen and Yanwei Fu and Zhaopeng Cui and Yinda Zhang},
journal= {arXiv preprint arXiv:2108.08017},
year = {2021}
}
备注
Accepted by ICCV2021