DeepMend：学习占据函数以表示形状用于修复
计算机视觉与模式识别
2022-10-13 v1
摘要
我们提出DeepMend，一种利用学习的占据函数重建断裂形状修复部分的新方法。现有形状修复方法预测低分辨率体素化修复，或需要对称性或访问预存的完整参考。我们将断裂形状的占据表示为底层完整形状占据与断裂表面的合取，并建模为潜码的函数（使用神经网络）。给定输入断裂形状的占据样本，我们利用带有避免空修复或体积过大修复新惩罚项的推断损失来估计潜码。我们使用推断的码重建修复形状。我们展示了在合成与真实扫描物体上的模拟断裂，以及扫描的真实断裂杯子的结果。相较于现有体素方法与两种基线方法，我们的工作在精度及避免断裂形状非断裂区域修复伪影方面均展现出最先进的结果。
引用
@article{arxiv.2210.05728,
title = {DeepMend: Learning Occupancy Functions to Represent Shape for Repair},
author = {Nikolas Lamb and Sean Banerjee and Natasha Kholgade Banerjee},
journal= {arXiv preprint arXiv:2210.05728},
year = {2022}
}
备注
To be published at ECCV 2020 (poster)