NutritionVerse-Thin：一种实现薄型3D食物模型改进渲染的优化策略
计算机视觉与模式识别
2023-04-13 v1
摘要
随着生成模型能力的增长，利用常见3D食物照片级真实感渲染来改进下游任务（如食物打印、营养预测或食物浪费管理）的兴趣日益浓厚。尽管由于基于NeRF的视图合成的成功，3D建模能力比以往更易获取，此类渲染方法仍难以正确捕捉薄型食物对象，常生成带有明显孔洞的网格。在本研究中，我们提出一种实现薄型3D食物模型改进渲染的优化策略，并展示了渲染质量的定性提升。我们的方法通过提出的薄对象优化可微重建方法生成3D模型网格，并在数据采集与训练阶段量身定制策略以更好地处理薄对象。尽管简单，我们发现该技术可用于快速且高度一致地捕捉薄型3D对象。
引用
@article{arxiv.2304.05620,
title = {NutritionVerse-Thin: An Optimized Strategy for Enabling Improved Rendering of 3D Thin Food Models},
author = {Chi-en Amy Tai and Jason Li and Sriram Kumar and Saeejith Nair and Yuhao Chen and Pengcheng Xi and Alexander Wong},
journal= {arXiv preprint arXiv:2304.05620},
year = {2023}
}