LSD-StructureNet：在三维部件层次结构中建模结构细节层级
计算机视觉与模式识别
2021-09-08 v2 图形学
摘要
以部件层次结构表示的三维形状生成模型能够生成逼真且多样的输出集合。然而，现有模型存在将形状整体建模的关键实际局限，因而无法执行条件采样，即它们无法在修改形状其余部分的情况下对生成形状的单个部件生成变体。这对于涉及在多细节层级上调整所创建形状的3D CAD设计等应用而言具有局限性。为此，我们引入LSD-StructureNet，这是对StructureNet架构的增强，使其能够对输出层次结构中任意位置的部件进行重新生成。我们通过为每个层次深度学习独立的、概率性的条件解码器来实现这一点。我们在PartNet数据集(最大的以部件层次结构表示的三维形状数据集)上评估LSD-StructureNet。我们的结果表明，与现有方法相反，LSD-StructureNet能够执行条件采样，且不影响推理速度或其输出的逼真度与多样性。
引用
@article{arxiv.2108.13459,
title = {LSD-StructureNet: Modeling Levels of Structural Detail in 3D Part Hierarchies},
author = {Dominic Roberts and Ara Danielyan and Hang Chu and Mani Golparvar-Fard and David Forsyth},
journal= {arXiv preprint arXiv:2108.13459},
year = {2021}
}
备注
accepted by ICCV 2021