MVPNet：用于单图像三维物体重建的多视角点回归网络
计算机视觉与模式识别
2018-11-26 v1
摘要
本文中，我们研究利用生成网络从单幅图像重建物体表面的问题。首先，我们用来自多视角的密集点云聚合来表示三维表面。每个点云嵌入在与某视角的图像平面对齐的规则 2D 网格中，使点云利于卷积且有序，从而适配深度网络架构。通过点云利用 2D 网格的连接关系可轻松三角化，形成基于网格的表面。其次，我们提出一种编码器-解码器网络，通过回归多个视角相关点云的 3D 坐标与可见性，从单幅图像生成此类点云。我们还引入一种新颖的几何损失，借助所构建网格上的表面离散化，能够解释 3D 表面而非 2D 投影平面上的差异。我们证明该多视角点回归网络在具有挑战性的数据集上以显著改进优于最先进（state-of-the-art）方法。
引用
@article{arxiv.1811.09410,
title = {MVPNet: Multi-View Point Regression Networks for 3D Object Reconstruction from A Single Image},
author = {Jinglu Wang and Bo Sun and Yan Lu},
journal= {arXiv preprint arXiv:1811.09410},
year = {2018}
}
备注
8 pages; accepted by AAAI 2019