面向三维物体生成与重建的改进对抗系统
计算机视觉与模式识别
2017-11-01 v3
摘要
本文描述了一种训练生成对抗网络（GAN）以理解物体精细三维形状的新方法。尽管GAN此前已用于该领域，但其训练难度众所周知，尤其对于涵盖多种类别和朝向的三维物体的复杂联合数据分布。我们的方法扩展了先前工作，采用带梯度惩罚的Wasserstein距离归一化作为训练目标。这使得从联合物体形状分布中进行生成的质量得到提升。我们的系统还能从二维图像重建三维形状，并从被遮挡的2.5D距离扫描数据中完成形状补全。与现有基线相比，我们取得了显著的定量改进。
引用
@article{arxiv.1707.09557,
title = {Improved Adversarial Systems for 3D Object Generation and Reconstruction},
author = {Edward Smith and David Meger},
journal= {arXiv preprint arXiv:1707.09557},
year = {2017}
}
备注
10 pages, accepted at CORL. Figures are best view in color, and details only appear when zoomed in