StrobeNet：关节式物体的类别级多视图重建
计算机视觉与模式识别
2021-05-18 v1 计算几何
摘要
我们提出 StrobeNet，一种从一张或多张无位姿 RGB 图像进行关节式物体类别级 3D 重建的方法。重建通用关节式物体类别具有重要应用，但由于物体在形状、关节运动、外观和拓扑上可能存在广泛差异，因此具有挑战性。我们基于类别级关节规范化思想来解决此问题——将观测映射到规范关节状态，从而实现无对应多视图聚合。我们端到端可训练的神经网络从物体的一张或多张无位姿图像中估计特征增强的规范 3D 点云、关节节点和部分分割。这些中间估计用于生成最终的隐式 3D 重建。我们的方法即使在图像中以大基线不同关节状态观察到物体时也能重建，并可对重建形状进行动画处理。在不同物体类别上的定量与定性评估表明，我们的方法能够实现高重建精度，尤其在增加视图数量时。
引用
@article{arxiv.2105.08016,
title = {StrobeNet: Category-Level Multiview Reconstruction of Articulated Objects},
author = {Ge Zhang and Or Litany and Srinath Sridhar and Leonidas Guibas},
journal= {arXiv preprint arXiv:2105.08016},
year = {2021}
}
备注
preprint