深度三维可塑模型的特征聚合学习
本文提出了一种端到端可训练的多视角聚合模型,利用 3D 点的视角优势,从任意位置拍摄的图像中合并特征,将标准 2D 和 3D 网络相结合,不需要着色、上网格或真实深度图,我们在 S3DIS 和 KITTI-360 数据集上取得了新的最佳效果。
Apr, 2022
本文研究了从未观察到的物体实例的可变数量的 RGB 视图学习特定类别的 3D 形状重建问题,并提出了一种可以估计密集 3D 形状并在多个和不同数量的输入视图上聚合形状的方法。
Jul, 2019
该论文提出了使用可学习协方差矩阵和可变形 4D Transformer 来解决在有限标注数据下准确测量支持和查询样本之间语义对应关系的问题,在公开基准测试中实现了新的最佳效果及较快的收敛速度。
Jul, 2022
本文提出了一种名为 3DViewGraph 的方法,该方法通过引入注意力机制,学习 3D 全局特征,解决了池化操作可能导致信息丢失和影响学习特征判别性的限制问题,并在三个大规模基准测试中展现出优异性能。
May, 2019
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
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。
May, 2019
本文提出一种新的前馈神经模板 ——AttSets,以及一个专门的 FASet 训练算法,用于多视图的 3D 重建。AttSets 模块是置换不变的,计算效率高且易于实现,而 FASet 算法使基于 AttSets 的网络非常稳健,并且在多个公共数据集上确切地证明了 AttSets 与 FASet 算法的优越性。
Aug, 2018
在处理 3D meshes 方面,Laplacian spectral analysis 和 Mesh Pooling Blocks(MPBs)的结合可以更好地处理表面的局部池化和全局信息聚合,并使用 Correlation Net 计算相关矩阵来进行形状分割和分类,模型表现优良。
Oct, 2019