Surface HOF：使用高阶函数网络从单幅图像进行表面重建
计算机视觉与模式识别
2019-12-20 v1
摘要
我们解决了从单幅图像生成高分辨率表面重建的问题。我们的方法是学习一个高阶函数(HOF)，它以物体的图像作为输入并生成一个映射函数。该映射函数从规范域(例如单位球面)中采样，并将每个样本映射到物体三维重建上的局部切平面。每个切平面表示为该点上的原点和法向量。通过高效学习连续映射函数，表面可以任意分辨率生成，而其他方法生成固定分辨率的输出。我们提出了 Surface HOF，其中高阶函数和映射函数均表示为神经网络，并训练网络生成 PointNet 物体的重建。实验表明，Surface HOF 比用于表面重建的其他最先进(state of the art)方法更准确且使用更高效的表示。Surface HOF 也更容易训练：它需要最少的输入预处理和输出后处理，并生成参数更高效的表面表示。其准确性和便利性使 Surface HOF 成为单图像重建的一种引人注目的方法。
引用
@article{arxiv.1912.08852,
title = {Surface HOF: Surface Reconstruction from a Single Image Using Higher Order Function Networks},
author = {Ziyun Wang and Volkan Isler and Daniel D. Lee},
journal= {arXiv preprint arXiv:1912.08852},
year = {2019}
}