用于三维形状合成与分析的描述子网络学习
计算机视觉与模式识别
2018-04-03 v1
摘要
本文提出一种三维形状描述子网络，这是一个深度卷积能量基模型，用于建模体素形状模式。该模型的最大似然训练遵循“分析 by synthesis（合成分析）”方案，并可解释为一个模式寻找与模式偏移过程。该模型可通过诸如朗之万动力学等 MCMC 从概率分布中采样来合成三维形状模式。该模型可通过 MCMC 教学来训练一个三维生成网络。该三维形状描述子网络的条件版本可用于三维物体恢复与三维物体超分辨率。实验表明，所提模型能生成逼真的三维形状模式，并可用于三维形状分析。
引用
@article{arxiv.1804.00586,
title = {Learning Descriptor Networks for 3D Shape Synthesis and Analysis},
author = {Jianwen Xie and Zilong Zheng and Ruiqi Gao and Wenguan Wang and Song-Chun Zhu and Ying Nian Wu},
journal= {arXiv preprint arXiv:1804.00586},
year = {2018}
}
备注
CVPR 2018