TL;DR本文提出了一种基于隐式场的解码器 IM-NET 来提高生成形状的视觉效果, 通过替换传统解码器,通过 IM-AE 进行表示学习和 IM-GAN 进行形状生成,可以在概念建模、插值和单角度 3D 重建等任务中获得更优秀的结果。
Abstract
We advocate the use of implicit fields for learning generative models of
shapes and introduce an implicit field decoder, called im-net, for shape
generation, aimed at improving the visual quality of the generated
本论文提出了 Deformed Implicit Field (DIF) 表示法来建模 3D 物品的形状,实现物品之间稠密的对应关系。DIF-Net 神经网络通过学习一个特定类别的物品的形态潜在空间和这些物品的 Deformation Field 来实现对应关系的建立以及对物品形状差异的度量,还考虑了材质和形状编辑等应用。