通过分层VAE估计规范因子实现概率形状补全
计算机视觉与模式识别
2022-12-08 v1
摘要
我们提出了一种从点云部分观测进行3D形状补全的新方法。现有方法要么基于全局潜码操作，这限制了模型的表达能力，要么自回归地估计局部特征，其计算开销极高。相反，我们的方法将该问题表述为物体特征体上的张量补全问题，通过单个前馈网络估计整个局部特征场。由于局部特征体存在冗余，该张量补全问题可进一步化简为估计特征体的规范因子。我们使用带有微小MLP的分层变分自编码器（VAE）以概率方式估计完整特征体的规范因子。所提方法的有效性通过与最先进方法的定量与定性比较得到验证。进一步的消融研究也表明有必要采用分层架构来捕捉可能形状的多模态分布。
引用
@article{arxiv.2212.03370,
title = {Probabilistic Shape Completion by Estimating Canonical Factors with Hierarchical VAE},
author = {Wen Jiang and Kostas Daniilidis},
journal= {arXiv preprint arXiv:2212.03370},
year = {2022}
}
备注
10 pages, 5 figures