TSCom-Net：由粗到细的 3D 纹理形状补全网络
计算机视觉与模式识别
2022-08-23 v2
摘要
从 3D 部分纹理扫描重建 3D 人体形状仍是许多计算机视觉与图形学应用（例如身体动画和虚拟试衣）的基础任务。我们提出一种新的神经网络架构用于 3D 身体形状与高分辨率纹理补全——BCom-Net——其可从中级到高级的部分输入扫描重建完整几何。我们将整体重建任务分解为两个阶段：第一，一个联合隐式学习网络（SCom-Net 和 TCom-Net）以体素化扫描及其占据栅格作为输入，重建完整身体形状并预测顶点纹理；第二，一个高分辨率纹理补全网络，利用预测出的粗顶点纹理对部分“纹理图集”的缺失部分进行修复。在 3DBodyTex.V2 数据集上的详尽实验评估表明，我们的方法在泛化至不同类型和级别的部分形状的同时，取得了与最先进方法相竞争的结果。所提方法亦在 2022 年从部分纹理 3D 扫描恢复形状（SHARP [38,1]）挑战赛的 track1 中排名第二。
引用
@article{arxiv.2208.08768,
title = {TSCom-Net: Coarse-to-Fine 3D Textured Shape Completion Network},
author = {Ahmet Serdar Karadeniz and Sk Aziz Ali and Anis Kacem and Elona Dupont and Djamila Aouada},
journal= {arXiv preprint arXiv:2208.08768},
year = {2022}
}
备注
Accepted in European Conference on Computer Vision Workshop (ECCVW) 2022