生成モデルを持つ3Dメッシュのための微細詳細テクスチャ学習【JST・京大機械翻訳】

Dundar Aysegul; Gao Jun; Tao Andrew; Catanzaro Bryan

プレプリント

J-GLOBAL ID：202202218763684563 整理番号：22P0306012

生成モデルを持つ3Dメッシュのための微細詳細テクスチャ学習【JST・京大機械翻訳】

Fine Detailed Texture Learning for 3D Meshes with Generative Models

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年03月17日プレプリントサーバーでの情報更新日： 2022年03月17日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

本論文では,マルチビューと単一ビュー画像から高品質テクスチャ3Dモデルを再構成する方法を示した。再構成は適応問題として提起され,第1段階では,正確な幾何学を学習することに焦点を当て,第2段階では,生成敵対ネットワークによるテクスチャの学習に焦点を当てた。生成学習パイプラインにおいて,2つの改良を提案した。最初に,学習したテクスチャを空間的に配列しなければならないので,画素の学習可能な位置に依存する注意機構を提案した。第2に,弁別器が配列されたテクスチャマップを受信するので,著者らは,発電機へのフィードバックを改善する学習可能な埋込みでその入力を強化する。著者らは,単一視点画像データセット,Pascal 3D+およびCUBと同様に,Tripodデータセットからのマルチビューシーケンスに関する著しい改善を達成した。著者らは,著者らの方法が以前の研究と比較して優れた3Dテクスチャモデルを達成することを実証した。ペラーゼは,3D視覚のためにWebページを訪れた。【JST・京大機械翻訳】

, , , , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

図形・画像処理一般 , パターン認識

, , , , ,

前のページに戻る