TL;DR该研究提出了一种新的方法，使用深度神经网络直接将图像映射到网络权重的向量，以实现从单个图像进行 3D 形状重构，该新的表示具有无限的容量和分辨率，并且可以具有任意的拓扑结构。实验结果表明，相比于体素、轮廓线和网格等现有方法，该方法能够更准确地推断 2D 投影的形状。
Abstract
We present a new method for 3d shape reconstruction from a single image, in
which a deep neural network directly maps an image to a vector of network
weights. The network \textcolor{black}{parametrized by} these
使用深度神经网络从单一图像中重建 3D 点云坐标，设计了面对真实世界几何转换不变性和地面真实性模糊的问题的新型方法，包括条件形状采样器，能够预测多个可能的 3D 点云。在实验中表现优异，不仅在单图像 based 3D 重建基准测试中胜过现有技术，也在形状补全方面表现出强大性能，有望在多个可能性预测方面表现出色。