DEMEA：面向非刚性形变物体的深度网格自编码器
计算机视觉与模式识别
2020-08-05 v2 图形学
摘要
网格自编码器常用于降维、采样和网格建模。我们提出一种通用型深度网格自编码器（DEMEA），其在图卷积网格自编码器中加入了一个新颖的嵌入形变层。嵌入形变层（EDL）是一个可微分的形变几何代理，它在低维空间中显式建模非刚性形变的位移，并充当局部刚性正则化器。DEMEA将形变的参数化与最终网格分辨率解耦，因为形变定义于低维嵌入形变图上。我们在四个不同的可形变物体数据集上进行了大规模研究。与使用EDL推理网格的局部刚性相比，直接回归顶点位置的方法在高度可形变物体上难以获得高质量结果，而我们的方法做到了。我们展示了DEMEA的多种应用，包括基于深度与明暗线索的非刚性三维重建、非刚性表面跟踪，以及形变在不同网格间的迁移。
引用
@article{arxiv.1905.10290,
title = {DEMEA: Deep Mesh Autoencoders for Non-Rigidly Deforming Objects},
author = {Edgar Tretschk and Ayush Tewari and Michael Zollhöfer and Vladislav Golyanik and Christian Theobalt},
journal= {arXiv preprint arXiv:1905.10290},
year = {2020}
}
备注
27 pages, including supplementary material