基于跨类别信号的非刚性物体隐式建模
计算机视觉与模式识别
2023-12-19 v1 机器学习
摘要
深度隐式函数（DIF）已成为表示3D形状的一种强大而富有表现力的手段。然而，对物体类别或非刚性实体进行建模的方法主要集中在单物体场景上。在这项工作中，我们提出了MODIF，一种多物体深度隐式函数，它联合学习多个物体的变形场和实例特定潜码。我们的重点是诸如器官之类的非刚性、非穿透实体。为了有效捕捉这些实体之间的相互关系并确保精确、无碰撞的表示，我们的方法促进了类别特定场之间的信号传递，以充分修正形状。我们还引入了新颖的物体间监督：制定了一个吸引-排斥损失来细化物体之间的接触区域。我们的方法在各种医学基准上进行了演示，涉及对不同组复杂解剖实体的建模。实验结果表明，我们的模型能够熟练地学习每个器官的形状表示及其与其他器官的关系，以至于我们的方法可以一致地恢复未见实例中缺失的形状。最后，MODIF还可以通过精确的点对应在整个群体中传播语义信息。
引用
@article{arxiv.2312.10246,
title = {Implicit Modeling of Non-rigid Objects with Cross-Category Signals},
author = {Yuchun Liu and Benjamin Planche and Meng Zheng and Zhongpai Gao and Pierre Sibut-Bourde and Fan Yang and Terrence Chen and Ziyan Wu},
journal= {arXiv preprint arXiv:2312.10246},
year = {2023}
}
备注
Accepted at AAAI 2024. Paper + supplementary material