Ladybird：基于准蒙特卡洛采样与对称性的深度隐式场三维重建
计算机视觉与模式识别
2020-07-28 v1
摘要
深度隐式场回归方法对于从单视图图像进行三维重建是有效的。然而，不同采样模式对重建质量的影响尚不清晰。在本工作中，我们首先研究了点集差异对网络训练的影响。基于最远点采样算法，我们提出了一种采样方案，其在理论上鼓励更好的泛化性能，并使基于 SGD 的优化算法快速收敛。其次，基于物体的反射对称性，我们提出了一种特征融合方法，缓解了因自遮挡而导致难以利用局部图像特征的问题。我们提出的系统 Ladybird 能够从单张输入图像创建高质量的三维物体重建。我们在大规模三维数据集（ShapeNet）上评估 Ladybird，在倒角距离、推土机距离和交并比（IoU）方面展示了极具竞争力的结果。
引用
@article{arxiv.2007.13393,
title = {Ladybird: Quasi-Monte Carlo Sampling for Deep Implicit Field Based 3D Reconstruction with Symmetry},
author = {Yifan Xu and Tianqi Fan and Yi Yuan and Gurprit Singh},
journal= {arXiv preprint arXiv:2007.13393},
year = {2020}
}
备注
European Conference on Computer Vision 2020 (ECCV 2020)