基于对抗形状先验的隐式形状补全
计算机视觉与模式识别
2022-04-22 v1
摘要
我们提出一种用于部分点云补全的新型神经隐式形状方法。为此，我们将条件Deep-SDF架构与习得的对立形状先验相结合。更具体地，我们的网络将部分输入转换为全局潜码，随后通过隐式有符号距离生成器恢复完整几何。此外，我们训练一个PointNet++判别器，迫使生成器产生合理且全局一致的重建结果。以此方式，我们有效解耦了预测既真实（即模仿训练集的姿态分布）又准确（即复现部分输入观测）的形状这一挑战。在实验中，我们展示了在补全部分形状方面的SOTA性能，涵盖人造物体（如飞机、椅子等）与可变形形状类别（人体）。最后，我们表明我们的对抗训练方法带来了视觉上合理的重建，且在恢复给定物体缺失部分时高度一致。
引用
@article{arxiv.2204.10060,
title = {Implicit Shape Completion via Adversarial Shape Priors},
author = {Abhishek Saroha and Marvin Eisenberger and Tarun Yenamandra and Daniel Cremers},
journal= {arXiv preprint arXiv:2204.10060},
year = {2022}
}