提升几何建模能力的自监督学习在三维感知生成对抗网络中的应用

Dec, 2023

提升几何建模能力的自监督学习在三维感知生成对抗网络中的应用

Self-supervised Learning for Enhancing Geometrical Modeling in 3D-Aware Generative Adversarial Network

Jiarong Guo, Xiaogang Xu, Hengshuang Zhao

TL;DR通过自监督学习技术，我们提出了一种适用于任何 3D-GAN 的辅助损失，旨在改进其 3D 几何建模能力，并通过综合实验证实了该方法的有效性。

Abstract

3D-aware Generative Adversarial Networks (3d-gans) currently exhibit artifacts in their 3D geometrical modeling, such as mesh imperfections and holes. These shortcomings are primarily attributed to the limited av

3d-gans self-supervised learning geometrical modeling latent space gan architectures

发现论文，激发创造

自监督对比学习的几何理解

本文研究了自监督学习中编码器和映射器的关系，发现数据增强策略的增加会导致映射器变得更加不变，从而学习将数据投影到低维空间中，具有理论和实验结果的几何学解释。

May, 2022

自监督对比表示学习用于三维网格分割

提出了一种自监督对比学习方法 SSL-MeshCNN 用于预训练 CNNs 从而解决三角形网格难以准确定义的问题，该方法表现出降低网格分割所需标记数据的可行性

Aug, 2022

基于互模态重构和特征投影网络的自监督学习用于高效标签 3D 到 2D 分割

本研究提出一种卷积神经网络和自监督学习的方法，用于在有限标记数据情况下进行高效的三维到二维分割，通过在临床相关任务中验证，证明该方法比现有技术在有限标记数据情况下显著提升了分割性能，并且自监督学习方法可以进一步提高性能，而且对于网络架构无关。

Jul, 2023

通过三维生成对抗建模学习物体形状概率潜空间

本文提出了一种新颖的框架，即 3D 生成对抗网络（3D-GAN），通过利用体积卷积网络和生成对抗网络的最新进展，从概率空间生成 3D 对象，并具有生成高质量 3D 对象、无先验 CAD 模型或图像依赖性、生成器从低维概率空间到 3D 空间的映射以及训练出的无监督深度学习的 3D 描述符等优点，在 3D 对象生成及识别等方面取得了令人印象深刻的性能。

Oct, 2016

使用生成对抗网络进行交互式 3D 建模

本文提出利用生成对抗网络（GAN）为新手用户设计真实世界形状，使用具有简单界面的体素网格进行编辑。该方法的主要优势是通过学习投影和生成算子来协助用户创建背景分布对象形状的 3D 模型，同时不必指定所有细节。通过该算法及工具的实验表明 GAN 是计算机辅助交互建模的一种有前途的方法。

Jun, 2017

自监督掩码图自编码器

本研究提出了一种掩蔽图自编码器 (GraphMAE)，解决了基于结构数据增强和复杂的训练策略的对比学习的不足之处，侧重于特征重建，并表现出优异的性能。

May, 2022

生成模型能否改善自监督表示学习？

自我监督学习通过使用生成模型生成语义一致的图像增强，丰富了学习强大视觉表示的方法，并显著提高了学习到的视觉表征的质量。

Mar, 2024

GAGAN: 几何感知生成对抗网络

该论文介绍了一种新的图像生成方法，采用几何形状模型将几何信息纳入生成过程，生成出具有任意面部属性的逼真人脸图像。

Dec, 2017

HGCVAE: 整合生成与对比学习的异构图学习

HGCVAE 是一种新颖的对比变分图自编码器，通过创新地结合了生成性自我监督学习和对比性自我监督学习的方法，在处理异构图学习的挑战时表现出显著的结果。

Oct, 2023

多视角一致性生成对抗网络用于 3D 感知图像合成

提出了一种基于多视角一致性生成对抗网络（MVCGAN）的高质量 3D 感知图像综合方法，采用几何约束技术，利用深度和相机变换矩阵等信息实现多视角联合优化，同时采用两阶段训练策略和混合训练技术提高模型的生成图像质量，实验结果表明，本方法达到了最先进的性能水平。

Apr, 2022