通过潜空间连接从谱瞬时恢复形状
计算机视觉与模式识别
2020-11-06 v4
摘要
我们引入了首个从 Laplacian 谱恢复形状的学习-based 方法。给定自编码器，我们的模型采取循环一致模块的形式，将潜向量映射为特征值序列。该模块为给定形状的光谱与几何之间提供了高效且有效的连接。我们的数据驱动方法取代了先前方法所需的特设正则化器，同时以极少的计算代价提供了更精确的结果。我们的学习模型不经修改即可应用于不同维度（2D 与 3D 形状）、不同表示（网格、轮廓与点云），以及不同形状类别，并且接受任意分辨率的输入谱而不影响复杂度。增强的灵活性使我们能够提供可微特征分解的代理，并在统一框架内解决 3D 视觉与几何处理中众所周知的困难任务，包括从谱生成形状、网格超分辨率、形状探索、风格迁移、从点云估计谱、分割迁移与点对点匹配。
引用
@article{arxiv.2003.06523,
title = {Instant recovery of shape from spectrum via latent space connections},
author = {Riccardo Marin and Arianna Rampini and Umberto Castellani and Emanuele Rodolà and Maks Ovsjanikov and Simone Melzi},
journal= {arXiv preprint arXiv:2003.06523},
year = {2020}
}