GenDR：一种广义可微渲染器
计算机视觉与模式识别
2022-05-02 v1 机器学习
摘要
在本工作中，我们提出并研究了一类广义的可微渲染器。我们从头讨论可微渲染需要哪些组件，并对每个组件的要求进行形式化。我们用一系列不同的平滑分布实例化我们的广义可微渲染器（其推广了 SoftRas 和 DIB-R 等现有可微渲染器），以覆盖大范围的合理设置。我们在流行的 ShapeNet 3D 重建基准上评估了一系列可微渲染器实例，并分析了结果的含义。令人惊讶的是，在 13 个类别上平均时，简单的均匀分布取得了最佳的整体结果；然而总体而言，分布的最优选择严重依赖于任务。
引用
@article{arxiv.2204.13845,
title = {GenDR: A Generalized Differentiable Renderer},
author = {Felix Petersen and Bastian Goldluecke and Christian Borgelt and Oliver Deussen},
journal= {arXiv preprint arXiv:2204.13845},
year = {2022}
}
备注
Published at CVPR 2022, Code @ https://github.com/Felix-Petersen/gendr