TL;DR本论文提出了一种基于多视角的 3D 物体形状填充方法，通过学习使用神经网络完成每个深度图像，能够在保证不过度远离已学习形状描述符的前提下，在多个视角之间实现几何一致性，优于之前的完成技术。
Abstract
3d shape completion is important to enable machines to perceive the complete
geometry of objects from partial observations. To address this problem,
view-based methods have been presented. These methods represent
本文提出了一种基于多视角深度图综合的 3D 形状完形方法，使用固定的观察角度集合来表示形状，通过将形状完成转化成图像到图像的翻译问题来解决内存限制问题，并使用多视角完形网络（MVCN）结构在不同深度视图之间保持一致性的同时提高了单个深度视图的完形精度，该方法在大规模基准测试中的表现明显优于现有技术的水平。