弹出式运动：基于形状拉普拉斯学习的三维感知图像形变
计算机视觉与模式识别
2022-03-30 v1
摘要
我们提出了一种能够在二维图像中如三维空间存在般形变物体的框架。大多数现有的三维感知图像操作方法仅限于（1）仅改变全局场景信息或深度，或（2）操作特定类别的物体。本文中，我们提出了一种对形状类别和形变类型限制极小的三维感知图像形变方法。尽管我们的框架利用了二维到三维重建，但我们认为由于对拓扑错误的脆弱性，重建不足以实现逼真的形变。因此，我们提出采用基于监督学习的方法来预测以的点云表示的三维重建底层体积的形状拉普拉斯（shape Laplacian）。给定使用预测的形状拉普拉斯和用户定义的形变手柄（例如关键点）计算的形变能量，我们获得有界双调和权重（bounded biharmonic weights）以建模合理的基于手柄的图像形变。在实验中，我们展示了形变二维角色和着衣人体图像的结果。我们还定量地表明，与替代方法（即网格重建和点云拉普拉斯方法）相比，我们的方法能够产生更精确的形变权重。
引用
@article{arxiv.2203.15235,
title = {Pop-Out Motion: 3D-Aware Image Deformation via Learning the Shape Laplacian},
author = {Jihyun Lee and Minhyuk Sung and Hyunjin Kim and Tae-Kyun Kim},
journal= {arXiv preprint arXiv:2203.15235},
year = {2022}
}
备注
16 pages, 10 figures, accepted to CVPR 2022