CVPRMar, 2022

二维流形物体中的神经面部识别

PDF
TL;DR该研究介绍了一种新的基于数据驱动的面部识别方法，使用 Transformer 模型预测与同一面相关联的边，从而解决了在计算机辅助设计 (CAD) 系统中，使用 2D 线条图来呈现 3D 对象设计而出现的挑战。
computer-aided design2d line drawings3d object reconstructiontransformer modelface identification
发现论文，激发创造
  • 从单张图像学习重构 3D 曼哈顿线框

    该论文提出了一种从单个图像中获取紧凑且精确的 3D 线框表示的方法，通过有效地利用全局结构规律，该方法训练卷积神经网络以同时检测显著的交叉点和直线，并预测它们的 3D 深度和消失点，并通过平行结构先验进一步重构完整的 3D 线框模型。

    May, 2019

  • 学习解析人造环境图像中的线框

    本文提出了一种基于学习的方法，用于自动提取混乱人造环境图像的线框表示，并构建了一个非常大的新数据集，并提出了两个适用于提取接头和直线的卷积神经网络，取得了明显优于现有方法的性能。

    Jul, 2020

  • 神经线框渲染器：学习线框到图像的转换

    本文提出了一种基于结构 - 外观联合表示的模型，可以从线框模型生成室内场景的真实感渲染图像，并在实验中表明，本文所提出的模型比现有技术在生成图像的视觉效果和结构完整性方面均表现出了显著的优势。

    Dec, 2019

  • 神经轮廓：从 3D 形状中学习绘制线条

    此论文介绍了一种从 3D 模型生成线描的学习方法。 在大量的众包比较中进行训练，实验证明该方法在绘制线描方面比现有技术取得了显著的进步，生成的线描与经验丰富的人类艺术家的作品相当。

    Mar, 2020

  • 基于神经吸引场的体素线框分析

    通过计算已知相机姿态下的图像组的三维原始草图，并利用神经吸引字段和全局连接感知模块，该方法提出了一种高保真度的解析三维线框的方法。

    Jul, 2023

  • 3D 神经边缘重建

    Real-world objects and environments predominantly consist of edge features. In this paper, the authors propose EMAP, a method for learning 3D edge representations using both lines and curves, utilizing Unsigned Distance Functions (UDF) from multi-view edge maps. The method achieves better 3D edge reconstruction and enhances neural surface reconstruction by capturing more details.

    May, 2024

  • 从原始点云重建的 3D 线框图

    PC2WF 是第一个可端到端训练的深度网络架构，用于将三维点云转换成线框模型；该网络把从物体表面抽取的无序三维点作为输入，输出该物体的线框，即由线段连接的稀疏角点。

    Mar, 2021

  • 自动反向工程：从多视图图像创建计算机辅助设计 (CAD) 模型

    计算机辅助设计（CAD）模型生成是一项重要任务，提出了一种利用卷积神经网络、多视角池化和基于转换器的 CAD 序列生成器的网络架构，通过大量的模拟输入图片进行训练和优化，成功地从测试图像数据重建有效的 CAD 模型，并表明该网络的一些能力可以迁移到实际照片领域，然而目前可行的模型复杂度仍然受限于基本形状。

    Sep, 2023

  • 通过联合网格和标记回归进行人脸透视重建

    本文提出一种同时重建世界空间中的 3D 面网格和预测图像平面上的 2D 面标记的方法，以解决透视 3D 面重建问题，该方法基于预测的 3D 顶点和 2D 标记，可轻松用 PnP 求解器估计出 6 自由度面姿态，并在 ECCV 2022 WCPA 竞赛中获得第一名，并且在不同的身份、表情和姿势下具有视觉稳健性。

    Aug, 2022

  • 基于深度神经网络的端对端三维人脸重建

    该篇论文提出了一种基于深度神经网络的端到端的方法来从单张 2D 人脸图像中进行三维人脸重建，并且利用了多任务损失函数和融合卷积神经网络来提高人脸表情重建的准确性。

    Apr, 2017