PQ-NET：一种用于三维形状的生成式部件Seq2Seq网络
计算机视觉与模式识别
2020-04-27 v3 图形学
机器学习
摘要
我们提出PQ-NET，一种通过顺序部件装配来表示并生成三维形状的深度神经网络。我们网络的输入是被分割为部件的三维形状，其中每个部件首先使用部件自编码器编码为特征表示。PQ-NET的核心组件是一个序列到序列或Seq2Seq自编码器，它将部件特征序列编码为固定大小的潜向量，解码器逐部件重建三维形状，形成顺序装配。由Seq2Seq编码器形成的潜空间同时编码了部件结构与精细部件几何。该解码器可适用于多种生成任务，包括形状自编码、插值、新颖形状生成以及单视图三维重建，所生成形状均由有意义的部件组成。
引用
@article{arxiv.1911.10949,
title = {PQ-NET: A Generative Part Seq2Seq Network for 3D Shapes},
author = {Rundi Wu and Yixin Zhuang and Kai Xu and Hao Zhang and Baoquan Chen},
journal= {arXiv preprint arXiv:1911.10949},
year = {2020}
}
备注
Accepted to CVPR 2020. Code available at https://github.com/ChrisWu1997/PQ-NET