WarpingGAN：扭曲多个均匀先验以对抗式生成三维点云
计算机视觉与模式识别
2022-03-28 v1 人工智能
摘要
我们提出 WarpingGAN，一种高效且有效的三维点云生成网络。与现有通过直接学习潜码与三维形状间映射函数生成点云的方法不同，WarpingGAN 学习一种统一的局部扭曲函数，将多个相同的预定义先验（即均匀分布于规则三维网格上的点集）在局部结构感知语义驱动下扭曲为三维形状。此外，我们还巧妙利用判别器原理并定制一种拼接损失，以消除生成形状中对应于不同先验的不同分块之间的缝隙，从而提升质量。得益于新颖的生成机制，WarpingGAN 这一经过一次性训练的单一轻量网络，能够高效生成具有多种分辨率的均匀分布式三维点云。大量实验结果表明，我们的 WarpingGAN 在量化指标、视觉质量与效率方面均优于最先进（SOTA）方法。源代码公开于 https://github.com/yztang4/WarpingGAN.git。
引用
@article{arxiv.2203.12917,
title = {WarpingGAN: Warping Multiple Uniform Priors for Adversarial 3D Point Cloud Generation},
author = {Yingzhi Tang and Yue Qian and Qijian Zhang and Yiming Zeng and Junhui Hou and Xuefei Zhe},
journal= {arXiv preprint arXiv:2203.12917},
year = {2022}
}
备注
This paper has been accepted by CVPR 2022