用于三维形状生成与匹配的可学习基本结构学习
计算机视觉与模式识别
2019-09-10 v2 人工智能
摘要
我们提出将形状表示为可学习基本三维结构的形变与组合，这些基本结构是在形状集合上训练得到的基元。我们证明所学得的基本三维结构可明显改进三维形状生成与匹配。更确切地说，我们给出两种互补的学习基本结构方法：（i）面片形变学习；（ii）点平移学习。两种方法均可推广到更高维的抽象结构以获得更好结果。我们在两项任务上评估了方法：重建ShapeNet物体与估计人体扫描间的稠密对应（FAUST inter挑战赛）。在形状重建上我们比表面形变方法提升16%，并以6%的优势超越FAUST inter挑战赛最优水平。
引用
@article{arxiv.1908.04725,
title = {Learning elementary structures for 3D shape generation and matching},
author = {Theo Deprelle and Thibault Groueix and Matthew Fisher and Vladimir G. Kim and Bryan C. Russell and Mathieu Aubry},
journal= {arXiv preprint arXiv:1908.04725},
year = {2019}
}