通过强化学习建模三维形状
计算机视觉与模式识别
2020-09-18 v3
摘要
我们探索如何使机器借助深度强化学习（RL）像人类建模者一样建模三维形状。在 Maya 等三维建模软件中，建模者通常分两步创建网格模型：（1）用一组基元逼近形状；（2）编辑基元网格以创建细节几何。受此类基于艺术家的建模启发，我们提出一种基于 RL 的两步神经框架来学习三维建模策略。通过在交互环境中采取动作并收集奖励，智能体首先学习将目标形状解析为基元，然后编辑几何。为有效训练建模智能体，我们引入一种结合启发式策略、模仿学习与强化学习的新型训练算法。实验表明，智能体可学到良好策略以生成规整且具结构感知的网格模型，证明了所提 RL 框架的可行性与有效性。
引用
@article{arxiv.2003.12397,
title = {Modeling 3D Shapes by Reinforcement Learning},
author = {Cheng Lin and Tingxiang Fan and Wenping Wang and Matthias Nießner},
journal= {arXiv preprint arXiv:2003.12397},
year = {2020}
}
备注
Accepted to ECCV 2020; Video: https://youtu.be/w5e9g_lvbyE