神经模板：拓扑感知的 3D 网格重建与解耦生成
计算机视觉与模式识别
2022-06-13 v1
摘要
本文提出一种称为 DTNet 的新颖框架，通过解耦拓扑实现 3D 网格重建与生成。不同于以往工作，我们为各输入学习特定的拓扑感知神经模板，然后形变该模板以重建细节网格，同时保留所学拓扑。一个关键见解是将复杂的网格重建解耦为两个子任务：拓扑构建与形状形变。得益于该解耦，DT-Net 在潜空间中隐式学习到拓扑与形状的解耦表示。因此，它能支持新颖的解耦控制，以支撑各类形状生成应用，例如混合 3D 物体的拓扑，这是以往重建工作无法实现的。大量实验结果表明，与最先进的方法相比，我们的方法能够生成高质量的网格，尤其是具有多样拓扑的网格。
引用
@article{arxiv.2206.04942,
title = {Neural Template: Topology-aware Reconstruction and Disentangled Generation of 3D Meshes},
author = {Ka-Hei Hui and Ruihui Li and Jingyu Hu and Chi-Wing Fu},
journal= {arXiv preprint arXiv:2206.04942},
year = {2022}
}