Render4Completion：合成多视角深度图用于三维形状补全
计算机视觉与模式识别
2019-09-24 v4
摘要
我们提出一种通过合成多视角深度图进行三维形状补全的新颖方法。先前形状补全工作依赖于体素表示、网格或点云，而我们提出使用来自一组固定视角的多视角深度图作为形状表示。这使我们能够通过将形状补全转化为图像到图像翻译问题，摆脱体素表示和点云的内存限制。具体而言，我们从固定视角集渲染不完整形状的深度图，并在各视角中执行深度图补全。与分别补全各视角的图像到图像翻译网络不同，我们的新颖网络——多视角补全网络（MVCN）——利用三维形状所有视角的信息来辅助每个单视角的补全。这使得 MVCN 能够借助来自不同深度视角的更多信息，在单深度视角补全中实现高精度，并保持不同视角下已补全深度图像间的一致性。受益于多视角表示与新颖网络结构，MVCN 在大规模基准上相比最先进水平显著提升了三维形状补全的精度。
引用
@article{arxiv.1904.08366,
title = {Render4Completion: Synthesizing Multi-View Depth Maps for 3D Shape Completion},
author = {Tao Hu and Zhizhong Han and Abhinav Shrivastava and Matthias Zwicker},
journal= {arXiv preprint arXiv:1904.08366},
year = {2019}
}
备注
ICCV 2019 workshop on Geometry meets Deep Learning