基于 SO(2) 等变的高斯雕刻网络用于单视图三维重建
计算机视觉与模式识别
2024-09-12 v1 机器人学
摘要
本文提出了一种名为 SO(2) 等变高斯雕刻网络（SO(2)-Equivariant Gaussian Sculpting Networks，简称 GSNs）的单视图三维物体重建方法。GSNs 采用单个观测作为输入，生成描述所观察物体几何结构和纹理的高斯雾化表示。通过在解码高斯颜色、协方差、位置和不透明度之前共享特征提取器，GSNs 能够实现极高的吞吐量（>150FPS）。实验表明，GSNs 可以使用多视图渲染损失进行高效训练，质量方面与昂贵的扩散基于重建算法相当。该 GSN 模型在多个基准实验中均得到验证。此外，我们展示了 GSNs 可被用于机器人操作管道中进行以物体为中心的抓取。
引用
@article{arxiv.2409.07245,
title = {Single-View 3D Reconstruction via SO(2)-Equivariant Gaussian Sculpting Networks},
author = {Ruihan Xu and Anthony Opipari and Joshua Mah and Stanley Lewis and Haoran Zhang and Hanzhe Guo and Odest Chadwicke Jenkins},
journal= {arXiv preprint arXiv:2409.07245},
year = {2024}
}
备注
Accepted to RSS 2024 Workshop on Geometric and Algebraic Structure in Robot Learning