开源 | CVPR2020 神经网络结构的变形预测 用于3D目标的形状变换

论文地址：http://arxiv.org/pdf/1912.06395v2.pdf 代码：https://github.com/yifita/deep_cage 来源：苏黎世联邦理工学院 论文名称：Neural Cages for Detail-Preserving 3D Deformations 原文作者：Wang Yifan

为了匹配目标形状的一般结构，弯曲源形状同时保留源的表面细节，本文提出了一种形状变形后的保护细节的方法。该方法将源形状由一个粗调的控制网格(称为保持架)包围，并且通过特殊的权重函数将指定的保持架顶点的粗调到源网格上的任意点，从而扩展了传统的基于网格的变形技术。使用这种稀疏的保持架结构，无论形状和拓扑结构如何复杂，都可以保留表面细节。本文在架构中加入了一个可微分的基于网格的变形模块，并训练端到端的网络。本文提出的方法可以在在无监督的情况下使用常见的3D模型集合进行训练，不需要任何特定的网格标注。这也是该文的一个主要的创新点——通过调控网格，实现神经网络结构的变形预测。结果证明，该方法可应用于合成形状变化和形变移植中。本文末还为每个应用提供了额外的结果展示。

下面是论文具体框架结构以及实验结果：

声明：

文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请联系删除