面向三维网格的潜特征解耦
机器学习
2019-06-11 v1 机器学习
摘要
三维形状的生成建模因其在计算机视觉、图形学和虚拟现实诸多应用中的相关性已成为一个重要问题。本文建立在最近提出的3D网格卷积变分自编码器之上，后者在学习可变形三维形状的丰富表示方面已展现出巨大潜力。我们引入一种有监督的生成式三维网格模型，将潜形状表示解耦为独立的生成因子。我们广泛的实验分析表明，学习显式解耦的表示既能改进随机形状生成，也能成功处理下游任务，如姿态与形状迁移、形状不变的时间同步以及姿态不变的形状匹配。
引用
@article{arxiv.1906.03281,
title = {Latent feature disentanglement for 3D meshes},
author = {Jake Levinson and Avneesh Sud and Ameesh Makadia},
journal= {arXiv preprint arXiv:1906.03281},
year = {2019}
}