评估从单一深度图像完成高保真 3D 形状的潜在生成范式

尽管生成模型在广泛的数据模态中取得了显着的采用，包括 3D 数据，但尚未就哪种模型最适合于哪个任务达成共识。进一步地，诸如文本和图像等条件信息用于引导生成过程，而其他信息，如部分 3D 数据，则尚未得到充分评估。本文我们比较了两种最有前景的生成模型--Denoising Diffusion Probabilistic Models 和 Autoregressive Causal Transformers--后者我们将其适用于 generative shape modeling 和 completion 任务。我们进行了对这两个任务进行详尽的定量评估和比较，包括一个 baseline discriminative model 和 extensive ablation study。我们的结果显示，(1) 具有连续潜在空间的扩散模型在对比 discriminative model 和 autoregressive 方法方面表现更好， delivers state-of-the-art performance on multi-modal shape completion from a single, noisy depth image under realistic conditions；(2) 当在相同的离散潜在空间上进行比较时，autoregressive model 可以在这些任务上匹配或超过扩散性能。