面向改进三维生成建模的无监督基元发现
计算机视觉与模式识别
2019-06-11 v1
摘要
由于真实世界物体具有高维输出空间和复杂的部件构型，三维形状生成是一个具有挑战性的问题。因此，现有算法在三维形状的精确生成建模方面存在困难。本文提出一种用于三维形状生成的新型因子化生成模型，该模型从粗到细尺度顺序过渡完成形状生成。为此，我们引入一种基于高阶条件随机场模型的无监督基元发现算法。利用形状的基元部件作为属性，在第一阶段对参数化的三维表示进行建模。该表示在下一阶段通过添加形状的精细尺度细节得到进一步细化。我们的结果表明，该生成模型的表示能力得到提升，且新生成的三维形状样本质量更好。此外，我们的基元生成方法能够将常见物体准确解析为简化表示。
引用
@article{arxiv.1906.03650,
title = {Unsupervised Primitive Discovery for Improved 3D Generative Modeling},
author = {Salman H. Khan and Yulan Guo and Munawar Hayat and Nick Barnes},
journal= {arXiv preprint arXiv:1906.03650},
year = {2019}
}
备注
CVPR 2019