基于条件生成对抗网络的三维模型配对生成
计算机视觉与模式识别
2019-03-18 v2
摘要
生成对抗网络（GANs）已被证明能成功生成包括三维物体模型在内的新颖且逼真的样本。条件GAN作为GANs的一种变体，允许在给定条件下生成样本。然而，为每个条件生成的对象各不相同，无法在不同条件下生成同一对象。本文中，我们首先将原本为二维图像生成设计的条件GAN应用于不同旋转角度下生成三维模型的问题。然后我们提出一种新方法，引导网络在不同且可控的旋转角度（样本对）下生成相同的三维样本。与以往研究不同，所提方法无需修改标准条件GAN架构，且可集成到任意条件GAN的训练步骤中。三维模型的实验结果和视觉对比表明，所提方法能成功在不同条件下生成模型对。
引用
@article{arxiv.1808.03082,
title = {Paired 3D Model Generation with Conditional Generative Adversarial Networks},
author = {Cihan Öngün and Alptekin Temizel},
journal= {arXiv preprint arXiv:1808.03082},
year = {2019}
}
备注
Published in ECCV 2018 Workshops, Springer, LNCS. Cite this paper as: Ongun C., Temizel A. (2019) Paired 3D Model Generation with Conditional Generative Adversarial Networks. In: Leal-Taixe L., Roth S. (eds) Computer Vision-ECCV 2018 Workshops. ECCV 2018. Lecture Notes in Computer Science, vol 11129. Springer, Cham