MRGAN: 具有无监督部件解耦的多根 3D 形状生成
计算机视觉与模式识别
2020-07-28 v1 机器学习
摘要
我们提出了 MRGAN,一种多根对抗网络,能够在没有基于部件的形状监督下生成部件解耦的 3D 点云形状。该网络融合了生成点云的树状结构图卷积层的多个分支,并在树根处使用可学习的常数输入。每个分支学习生长不同的形状部件,从而在部件级别提供对形状生成的控制。我们的网络通过两个关键要素鼓励语义部件的解耦生成:一种根混合训练策略,有助于去相关不同分支以促进解耦;以及一组考虑到部件解耦和形状语义而设计的损失项。其中,一种新颖的凸性损失激励生成更凸的部件,正如语义部件通常所呈现的那样。此外,根丢弃损失进一步确保每个根生成单一部件,防止生成点云的分支退化或过度生长。我们在多个 3D 形状类别上评估了网络的性能,并与先前工作和基线方法进行了定性和定量比较。我们通过形状建模的两个应用——部件混合和单个部件变化——展示了部件解耦生成所提供的可控性,且无需接收分割后的形状作为输入。
引用
@article{arxiv.2007.12944,
title = {MRGAN: Multi-Rooted 3D Shape Generation with Unsupervised Part Disentanglement},
author = {Rinon Gal and Amit Bermano and Hao Zhang and Daniel Cohen-Or},
journal= {arXiv preprint arXiv:2007.12944},
year = {2020}
}