从真实世界图像学习带纹理三维网格的生成模型
计算机视觉与模式识别
2021-08-18 v2 图形学
机器学习
摘要
可微渲染的最新进展激发了从图像集合学习带纹理三维网格生成模型的兴趣。这些模型原生地解耦了姿态与外观,支持计算机图形学中的下游应用,并提升了生成模型理解图像形成概念的能力。尽管先前已有从 2D 图像集合学习此类模型的工作,这些方法需要利用标注关键点的精细姿态估计步骤,从而将其适用性限制于少数特定数据集。在本工作中,我们提出了一种不依赖此类标注即可生成带纹理三角网格的 GAN 框架。我们表明,我们的方法性能与依赖真值关键点的先前工作相当,更重要的是,我们通过在来自 ImageNet 的更大类别集上——其关键点不可用——设定新基线,且无任何类别特定超参数调优,展示了方法的通用性。我们在 https://github.com/dariopavllo/textured-3d-gan 发布了代码。
引用
@article{arxiv.2103.15627,
title = {Learning Generative Models of Textured 3D Meshes from Real-World Images},
author = {Dario Pavllo and Jonas Kohler and Thomas Hofmann and Aurelien Lucchi},
journal= {arXiv preprint arXiv:2103.15627},
year = {2021}
}
备注
ICCV 2021