隐式特征网络用于基于部分三维数据的纹理补全
计算机视觉与模式识别
2020-09-22 v1
摘要
先前推断三维纹理的工作要么使用纹理图集（需要uv映射因而存在不连续性），要么使用彩色体素（内存效率低且分辨率受限）。近期工作在每个XYZ坐标处预测RGB颜色以形成纹理场，但侧重于从单张二维图像完成纹理。相反，我们关注从部分且不完整的3D扫描中完成三维纹理与几何。IF-Nets近期在使用多尺度深度特征编码的三维几何补全上取得了最先进结果，但其输出缺乏纹理。在本工作中，我们将IF-Nets推广到从带纹理的部分人体与任意物体扫描中进行纹理补全。我们的核心见解是，三维纹理补全受益于融合从三维部分纹理与已完成几何中提取的局部和全局深度特征。具体而言，给定部分三维纹理及由IF-Nets完成的三维几何，我们的模型能成功补全缺失纹理部分，并与已完成几何保持一致。我们的模型赢得了SHARP ECCV'20挑战赛，在所有挑战任务上均取得最高性能。
引用
@article{arxiv.2009.09458,
title = {Implicit Feature Networks for Texture Completion from Partial 3D Data},
author = {Julian Chibane and Gerard Pons-Moll},
journal= {arXiv preprint arXiv:2009.09458},
year = {2020}
}
备注
SHARP Workshop, European Conference on Computer Vision (ECCV), 2020