从单张深度视图进行稠密三维物体重建
计算机视觉与模式识别
2018-09-11 v2 人工智能
机器学习
机器人学
摘要
本文中，我们提出一种新方法 3D-RecGAN++，利用生成对抗网络从单张任意深度视图重建给定物体的完整三维结构。与通常需要同一物体的多视图或类标签来恢复完整三维几何的现有工作不同，所提出的 3D-RecGAN++ 仅以物体深度视图的体素网格表示为输入，并能够通过恢复被遮挡/缺失区域来生成分辨率为 256^3 的完整三维占据网格。其核心思想是将自编码器的生成能力与条件生成对抗网络（GAN）框架相结合，以在高维体素空间中推断物体准确而精细的三维结构。在大型合成数据集和真实世界 Kinect 数据集上的大量实验表明，所提出的 3D-RecGAN++ 在单视图三维物体重建上显著优于当前最优方法，并能够重建未见过的物体类型。
引用
@article{arxiv.1802.00411,
title = {Dense 3D Object Reconstruction from a Single Depth View},
author = {Bo Yang and Stefano Rosa and Andrew Markham and Niki Trigoni and Hongkai Wen},
journal= {arXiv preprint arXiv:1802.00411},
year = {2018}
}
备注
TPAMI 2018. Code and data are available at: https://github.com/Yang7879/3D-RecGAN-extended. This article extends from arXiv:1708.07969