KTNet：用于非配对三维形状补全的知识迁移网络
计算机视觉与模式识别
2023-07-07 v3
摘要
非配对三维物体补全旨在从不完整输入预测完整的三维形状，且不知晓完整与不完整形状之间的对应关系。本文中，我们提出新颖的 KTNet，从知识迁移的新视角解决该任务。KTNet 精心设计了一个教师-助教-学生网络以建立多重知识迁移过程。具体而言，教师网络以完整形状为输入并学习完整形状的知识。学生网络以不完整形状为输入并恢复相应的完整形状。而助教模块不仅帮助将完整形状的知识从教师迁移到学生，还评判学生网络的学习效果。因此，KTNet 利用更全面的理解，从知识迁移的视角建立完整与不完整形状之间的几何对应，从而能够生成更高质量的完整形状所需的更细致几何推断。我们在多个数据集上进行了综合实验，结果表明我们的方法大幅优于以往的非配对点云补全方法。
引用
@article{arxiv.2111.11976,
title = {KTNet: Knowledge Transfer for Unpaired 3D Shape Completion},
author = {Zhen Cao and Wenxiao Zhang and Xin Wen and Zhen Dong and Yu-shen Liu and Xiongwu Xiao and Bisheng Yang},
journal= {arXiv preprint arXiv:2111.11976},
year = {2023}
}