POC-SLT：基于 SDF 隐式 Transformer 的部分物体补全
计算机视觉与模式识别
2024-11-11 v1
摘要
三维几何形状补全依赖于表示学习和对几何数据的深入理解。若缺乏对数据三维本质的深刻洞察，该任务将无法完成。本工作针对部分观测条件下的三维形状补全挑战，提出了一种在表示有符号距离场（SDF）的隐式空间上运行的 Transformer。与整体体积不同，物体的 SDF 被分割为更小的高分辨率块，形成一系列隐式编码。该方法依赖于通过变分自编码器（VAE）学习的平滑隐式空间编码，该编码器在数百万个三维块上进行训练。我们采用高效的掩码自编码器 Transformer，在隐式空间中将部分序列补全为完整形状。本方法在 ShapeNet 和 ABC 数据集的部分观测数据上进行了广泛评估，其中仅给出物体的部分区域。所提出的 POC-SLT 架构与多个基线最先进方法进行了对比，在定性和定量两方面均展示了三维形状补全的显著提升。
引用
@article{arxiv.2411.05419,
title = {POC-SLT: Partial Object Completion with SDF Latent Transformers},
author = {Faezeh Zakeri and Raphael Braun and Lukas Ruppert and Henrik P. A. Lensch},
journal= {arXiv preprint arXiv:2411.05419},
year = {2024}
}