ICCVMay, 2019

神经三维可变模型：螺旋卷积网络用于三维形状表示学习和生成

PDF
TL;DR本文提出了一种新颖的图卷积算子，通过对网格的本地顺序强制执行连续性，实现对固定底层图形的归纳偏差建模，并将其作为传统深度生成建筑的构件，以多种 3D 形状数据集为例，与线性 Morphable Model 和其他图卷积算子相比，展示出最先进的结果。
generative models3d geometric datamorphable modelsgraph convolutional operatordeep generative architectures
发现论文，激发创造
  • SpiralNet++：一种快速高效的网格卷积算子

    本文提出了一种基于内在网格卷积运算符的快速高效算法，该算法明确形式化了聚集相邻结点的顺序而不是学习权重，并通过全连接层将局部几何结构信息与顶点特征融合在一起，从而实现了对不变形状特征的有效学习。经过在三种不同类型任务停滞面对三维面部表情分类和三维形状重建，验证结果表明，本文算法明显优于现有的方法，且速度显著更快，不需要依赖形状描述符。

    Nov, 2019

  • 3D Morphable Models 作为空间变换网络

    本文介绍了一种新的卷积神经网络模型，将 3D 变形模型嵌入网络中，使得该网络可以处理输入数据的 3D 空间变换，并且可以对 3D 姿态的变化和遮挡进行识别和规范化，通过该方法可以对高度不规则的图像进行处理。

    Aug, 2017

  • SurfNet：使用深度残差网络生成三维形状表面

    利用几何图像的形式通过卷积神经网络，直接生成三维形状表面，实现形状表面的插值、发明以及从未看见的图像中恢复三维形状表面等功能。

    Mar, 2017

  • 利用卷积神经网络进行生成式和判别式体素建模

    本文探讨了三维数据表示方式的重要性，使用基于体素的模型来进行形状建模和物体分类，并提出了训练基于体素的变分自编码器、探索潜空间的用户界面和采用深度卷积神经网络实现物体分类的方法。最终在 ModelNet 基准测试中，我们的模型相较于最新技术提升了 51.5% 的物体分类准确率。

    Aug, 2016

  • 稀疏 3D 卷积神经网络

    研究了用于处理稀疏三维输入数据的卷积神经网络，并以 2D 三角晶格和 3D 四面体晶格的 CNN 效率为研究重点，适合于 3D 物体识别和时空对象分析等应用。

    May, 2015

  • 深度三维可塑模型的特征聚合学习

    本文介绍了基于深度学习的 3D 变形模型，提出了一种基于注意力机制的模块来优化特征汇聚，通过端到端训练映射矩阵来实现在现有架构上对特征汇聚的替代，取得了在多个 3D 模型数据集上的最新成果。

    May, 2021

  • 多图表生成式表面建模

    介绍了一种基于深度神经网络的三维形状生成模型，利用基于多参数化的张量数据表示来实现高质量的三维形状学习并生成新形状，适用于人体和骨 (牙齿) 形状生成。

    Jun, 2018

  • 学习局部邻域结构以实现鲁棒的三维形状表示

    本文提出了一种局部结构感知的各向异性卷积操作（LSA-Conv），利用自适应加权矩阵和共享各向异性滤波器来学习三维形状数据的表示，从而实现了比现有方法更好的三维形状重构。

    Apr, 2020

  • 高保真非线性三维人脸可变模型

    该论文提出了一种通过学习额外的代理来学习高保真人脸模型的新方法，结合全局和局部模型的精心设计网络，通过改进非线性 3D 可变形模型的学习目标和网络架构，使其在捕捉更高级别细节方面具有优越性，从而在 3D 人脸重建中实现了最先进的表现。

    Apr, 2019

  • SelectionConv: 针对非矩形图像数据的卷积神经网络

    本论文提出了一种新的结构化图卷积算子，可以复制二维卷积权重，将传统 CNN 训练的能力转移到新的图网络，从而可以处理非矩形数据，不需要在大型数据集上进行领域特定的训练。作者还展示了将预训练图像网络应用于分割、风格化和深度预测等多种数据形式，并得出了相应的实验结果。

    Jul, 2022