SAOR：单视图关节物体的重建

我们提出 SAOR，一种从野外拍摄的单张图像估计关节物体的三维形状、纹理和视点的新方法。与依赖预定义类别特定的三维模板或定制三维骨架的先前方法不同，SAOR 通过无骨架的基于部件的模型从单视图图像集合中学习铰接形状，无需任何三维物体形状先验。为防止不适定解，我们提出一种利用解耦物体形状形变与关节运动的跨实例一致性损失。这得益于一种新的基于轮廓的采样机制，以在训练期间增强视点多样性。我们的方法在训练时仅需要来自现成预训练网络的估计物体轮廓和相对深度图。在推理时，给定单视图图像，它高效地输出显式网格表示。在具有挑战性的四足动物上，我们相比相关现有工作获得了改进的定性与定量结果。