基于可视外壳嵌入的深度单视图三维物体重建
计算机视觉与模式识别
2018-09-11 v1
摘要
三维物体重建是许多机器人与人工智能问题的一项基础任务。借助深度卷积神经网络（CNNs），三维物体重建近年来取得了显著进展。然而，可能由于三维物体空间维度极高，深度 CNNs 的结果往往容易缺失部分形状细节。本文提出一种旨在保留更多形状细节并提升重建质量的方法。我们方法的核心思想是利用 CNNs 的物体掩码与位姿估计，通过在网络内部构建概率单视图可视外壳来辅助三维形状学习。我们的方法首先使用 CNNs 预测粗形状以及物体位姿和轮廓，随后通过一个新颖的三维细化 CNN，利用所构建的概率可视外壳对粗形状进行细化。在合成数据与真实图像上的实验表明，嵌入单视图可视外壳进行形状细化能够通过恢复更多形状细节并改善与输入图像的形状一致性，显著提升重建质量。
引用
@article{arxiv.1809.03451,
title = {Deep Single-View 3D Object Reconstruction with Visual Hull Embedding},
author = {Hanqing Wang and Jiaolong Yang and Wei Liang and Xin Tong},
journal= {arXiv preprint arXiv:1809.03451},
year = {2018}
}
备注
11 pages