基于卷积网络从单幅图像生成多视图3D模型
计算机视觉与模式识别
2016-08-03 v2
摘要
我们提出了一种卷积网络，能够在给定物体单幅图像的情况下推断出该先前未见物体的3D表示。具体而言，该网络可以预测从任意视角观察该物体时的RGB图像和深度图。将若干这样的深度图融合在一起可得到该物体的完整点云。点云又可转换为表面网格。该网络在汽车和椅子的合成3D模型渲染图上进行训练。它能成功处理杂乱背景下的物体，并对真实汽车图像生成合理的预测。
引用
@article{arxiv.1511.06702,
title = {Multi-view 3D Models from Single Images with a Convolutional Network},
author = {Maxim Tatarchenko and Alexey Dosovitskiy and Thomas Brox},
journal= {arXiv preprint arXiv:1511.06702},
year = {2016}
}