深さ優先による3Dを意識した屋内シーン合成【JST・京大機械翻訳】

Shi Zifan; Shen Yujun; Zhu Jiapeng; Yeung Dit-Yan; Chen Qifeng

プレプリント

J-GLOBAL ID：202202220519625657 整理番号：22P0291165

深さ優先による3Dを意識した屋内シーン合成【JST・京大機械翻訳】

3D-Aware Indoor Scene Synthesis with Depth Priors

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 (5件)： , , , ,
資料名：
発行年： 2022年02月17日プレプリントサーバーでの情報更新日： 2022年02月18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)

2Dデータから3D意識画像合成の学習におけるGenerative Adversarial Network(GANs)の最近の進歩にもかかわらず,既存の方法は,室内レイアウトと内部の物体の大きな多様性のために,屋内シーンをモデル化できない。屋内シーンは共有固有構造を持たず,従って2D画像だけを用いることは3D形状でモデルを適切に誘導できないことを論じた。本研究では,深さを3D前に導入することにより,このギャップを埋める。他の3Dデータフォーマットと比較して,深さは畳み込みベースの生成メカニズムにより良く適合し,実際に容易にアクセスできる。特に,1つの経路が深さ生成の原因となるデュアルパス発生器を提案し,その中間特徴を外見レンダリングのための条件として他の経路に注入する。このような設計は,明示的形状情報による3D意識合成を容易化する。一方,実際のv.s.fakeドメインを区別し,与えられた入力から深さを予測するために,切り替え可能な識別器を導入した。この方法で,識別器は空間配置を考慮でき,適切な深さ条件を学習するために発電機を助言できる。広範な実験結果は,著者らのアプローチが,印象的に良い品質と3D一貫性を有する屋内シーンを合成でき,最先端の代替案を著しく凌駕することを示唆する。【JST・京大機械翻訳】

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

図形・画像処理一般

, , , ,

前のページに戻る