IterGANs：用于学习并控制三维物体变换的迭代生成对抗网络
计算机视觉与模式识别
2019-09-05 v2
摘要
我们致力于学习视觉表示，使其能基于单张二维图像对视觉对象进行三维操控。我们将其转化为图像到图像的变换任务，并提出迭代生成对抗网络（IterGANs），其迭代地将输入图像变换为输出图像。我们的模型学习到的视觉表示既可用于训练中所见物体，也可用于未见过的物体。由于物体操控需要对其几何与外观的完整理解，我们的 IterGANs 从单张（测试）图像中推断出一个隐式三维模型以及物体的完整外观模型。IterGANs 的两个优势在于：中间生成的图像可用作额外的监督信号，即使以无监督方式亦可；且迭代次数可用作控制信号以引导变换。在旋转物体与场景上的实验展示了 IterGANs 如何助力生成过程。
引用
@article{arxiv.1804.05651,
title = {IterGANs: Iterative GANs to Learn and Control 3D Object Transformation},
author = {Ysbrand Galama and Thomas Mensink},
journal= {arXiv preprint arXiv:1804.05651},
year = {2019}
}