Nov, 2022

PointInverter: 利用具有形状先验知识的生成模型进行点云重建和编辑

PDF
TL;DR本文提出了一种新的方法，将三维点云映射到三维生成对抗网络的潜在空间。我们的生成模型基于 SP-GAN，它是一种最先进的球引导三维点云生成器。我们提出了一种有效的编码方式，可将输入的三维点云编码到 SP-GAN 的潜在空间中。我们的对点云编码器可以解决反演过程中的点排序问题，从而确定生成的三维点云中的点与生成器使用的规范球中的点之间的对应关系。我们展示了我们的方法在三维点云的 GAN 反演上优于以前的方法，定量和定性地获得了最先进的结果。我们的代码可在此 https URL 上获得。
3d point cloudgenerative adversarial networklatent spacesp-ganpoint cloud encoder
发现论文，激发创造
  • 使用姿态优化的 3D GAN 反演

    本研究提出了一种通用的 3D GAN 反演方法，可以同时计算相机视角和潜变量代码，从而实现多视角一致的语义图像编辑。其关键在于利用预训练的估算器用于更好的初始化，并利用从 NeRF 参数计算的像素深度来更好地重构给定的图像。

    Oct, 2022

  • 利用拓扑先验增强点云生成技术

    本研究提出了一种改进的 Sphere as Prior Generative Adversarial Network (SP-GAN) 模型，用于点云生成。该方法使用 K-means 算法将点云分割成聚类并提取质心，然后将质心作为先验用于 SP-GAN 的生成过程，以提高生成点云的结构完整性和质量。生成器的训练过程中还使用了与质心相关的相同点云，以确保连贯一致的学习环境。实验证明，使用 K-means 算法生成质心作为先验能够提高生成点云的质量。

    Mar, 2024

  • SP-GAN：球引导的三维形状生成与操作

    本文介绍了 SP-GAN，一种新的无监督的球形引导生成模型，用于直接合成点云形式的三维形状。SP-GAN 可以合成各种高质量的具有细节和可控性的形状，同时不需要任何零件注释。

    Aug, 2021

  • 3D 点云的生成模型

    本研究的目的是通过实验转换编码器、潜空间流模型和自回归解码器等方法来改进点云潜空间生成模型的性能，并对这些模型在不同物体类型上的生成和重构性能进行分析和比较。

    Feb, 2023

  • 基于伪多视角优化的高保真三维 GAN 反演

    提出了一种高保真的三维对抗生成网络，可以在保留输入图像的特定细节的同时合成逼真的新视图。该方法通过伪多视图估计和能见度分析建立，有效解决了三维反演中的几何纹理平衡问题，并成功实现了单张图像的高保真三维重建和新视图合成。并且本方法亦适用于图像属性编辑和 3D 纹理修改，因此有望被广泛应用于人工智能生成的三维内容领域。

    Nov, 2022

  • 针对忠实重建和可编辑性的领域内 GAN 逆转

    通过在原始潜在空间中规范反转代码，本研究提出了领域指导编码器和领域正则化优化器，以满足对图像编辑应用的需求，实现了广泛的编辑功能。

    Sep, 2023

  • 用于高分辨率 3D 点云生成的 Spectral-GANs

    本文提出一种基于频域生成式对抗网络（GAN）的方法，使用高度结构化的光谱表示来综合 3D 点云，从而实现高分辨率且任意数量点的点云生成，并能够以无监督的方式学习高度可辨别的表征，并利用建立在空间模型上的知识进行重建。

    Dec, 2019

  • 通过 GAN 反推进行无监督的三维形状补全

    本研究提出了一种新的 3D 形状自动完成方法 ShapeInversion，它采用了生成性对抗网络（GAN）和无监督学习方法，无需配对数据，可实现对模型的形状操纵和插值。在测试中，该方法在特定于域的测试数据上表现出色，同时表现出对现实世界下不同形式和不完整程度的偏见现象具有鲁棒性。

    Apr, 2021

  • InvertAvatar：用于广义头像的增量 GAN 反演

    提出了一种新颖的框架，增量 3D GAN 逆转，通过增加逆转质量随帧数增加来提高数字头像重建性能，引入了一个带有两个关键修改的唯一可动画的 3D GAN 先验，以及一种基于 UV 参数化对纹理特征空间进行分类的创新神经纹理编码器。

    Dec, 2023

  • 单张图像的三维物体重建点集生成网络

    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。

    Dec, 2016