DPF-Net：在可变形基元场中结合显式形状先验的无监督三维物体结构重建
计算机视觉与模式识别
2023-08-28 v1
摘要
用于结构重建的无监督方法在捕捉具有相同类别多样形状间一致结构下的几何细节方面面临重大挑战。为解决此问题，我们提出一种基于新型可变形基元场(DPF)表示的无监督结构重建方法 DPF-Net，其利用参数化几何基元实现高质量形状重建。我们设计了一个两阶段形状重建流水线，由基元生成模块与基元变形模块组成，以逐步逼近各部件的目标形状。基元生成模块估计参数化几何基元的显式朝向、位置与尺寸参数，而基元变形模块基于参数化基元场预测稠密变形场以恢复形状细节。参数化几何基元中编码的强形状先验使我们的 DPF-Net 能一致地提取高层结构并恢复细粒度形状细节。在三类多样形状物体上的实验结果证明了我们的 DPF-Net 在结构重建与形状分割上的有效性与泛化能力。
引用
@article{arxiv.2308.13225,
title = {DPF-Net: Combining Explicit Shape Priors in Deformable Primitive Field for Unsupervised Structural Reconstruction of 3D Objects},
author = {Qingyao Shuai and Chi Zhang and Kaizhi Yang and Xuejin Chen},
journal= {arXiv preprint arXiv:2308.13225},
year = {2023}
}
备注
9 pages, 6 figures