SketchSampler：基于视图相关深度采样的草图三维重建
计算机视觉与模式识别
2022-12-27 v2
摘要
基于单张草图图像重建三维形状具有挑战性，因为稀疏、不规则的草图与规则、稠密的三维形状之间存在巨大的领域鸿沟。现有工作试图利用从草图提取的全局特征直接预测三维坐标，但它们通常会丢失不忠于输入草图的精细细节。通过分析三维到二维的投影过程，我们注意到表征二维点云分布(即点投影到投影平面各位置的概率)的密度图可作为代理来促进重建过程。为此，我们首先通过图像翻译网络将草图翻译为更具信息量的二维表示，用于生成密度图。接下来，通过两阶段概率采样过程重建三维点云：首先通过对密度图采样恢复二维点(即 x 和 y 坐标)；然后通过沿每个二维点所确定射线上的深度值采样预测深度(即 z 坐标)。我们进行了大量实验，定量与定性结果均表明所提方法显著优于其他基线方法。
引用
@article{arxiv.2208.06880,
title = {SketchSampler: Sketch-based 3D Reconstruction via View-dependent Depth Sampling},
author = {Chenjian Gao and Qian Yu and Lu Sheng and Yi-Zhe Song and Dong Xu},
journal= {arXiv preprint arXiv:2208.06880},
year = {2022}
}
备注
16 pages, 7 figures, accepted by ECCV 2022