基于图像的3D物体重建：深度学习时代的研究进展与趋势
计算机视觉与模式识别
2019-11-28 v3 计算几何
图形学
机器学习
摘要
3D 重建是一个长期存在的病态问题，数十年来一直被计算机视觉、计算机图形学和机器学习领域所探索。自 2015 年以来，使用卷积神经网络(CNN)的基于图像的 3D 重建引起了越来越多的兴趣并展现出令人印象深刻的性能。鉴于这一快速演进的新时代，本文对该领域近期进展进行了全面综述。我们聚焦于使用深度学习技术从单张或多张 RGB 图像估计通用物体 3D 形状的工作。我们根据所用形状表示、网络架构和训练机制对文献进行组织。虽然本综述面向重建通用物体的方法，我们也回顾了一些聚焦于特定物体类别（如人体形状和人脸）的近期工作。我们对部分关键论文的性能进行了分析与比较，总结了该领域的一些开放问题，并讨论了有前景的未来研究方向。
引用
@article{arxiv.1906.06543,
title = {Image-based 3D Object Reconstruction: State-of-the-Art and Trends in the Deep Learning Era},
author = {Xian-Feng Han and Hamid Laga and Mohammed Bennamoun},
journal= {arXiv preprint arXiv:1906.06543},
year = {2019}
}
备注
arXiv admin note: text overlap with arXiv:1806.06098, arXiv:1712.06584, arXiv:1804.10975 by other authors