【标题】Unsupervised 3D Shape Completion through GAN Inversion

【作者团队】J Zhang, X Chen, Z Cai, L Pan, H Zhao, S Yi, C K Yeo, B Dai, C C Loy

【论文链接】https://arxiv.org/abs/2104.13366

【发表时间】2021.4.27

【推荐理由】本文提出了ShapeInversion，将生成对抗网络(GAN)逆映射引入到形状补全中。

大多数3D形状补全方法在很大程度上依赖于部分完整形状对并以全监督方式进行学习。尽管它们在域内数据上的表现令人印象深刻，但泛化到其他形式的部分形状或现实世界的部分扫描时，由于域的差距，往往无法获得令人满意的结果。与之前的全监督方法相比，本文提出了ShapeInversion，将生成对抗网络(GAN)逆映射引入到形状补全中。ShapeInversion使用一个在完整形状上预训练的GAN，搜索一个潜码，该代码给出一个完整形状，能最好地重建给定的部分输入。通过这种方式，ShapeInversion不再需要成对的训练数据，能纳入训练好的生成模型中捕获的丰富先验。在ShapeNet基准上，ShapeInversion优于SOTA无监督方法，可与用配对数据学习的有监督方法相媲美，还展示了显著的泛化能力，对现实世界的扫描和各种形式的部分输入以及不完整程度给出了鲁棒的结果。由于预训练GAN的参与，ShapeInversion自然地实现了一系列额外的能力，例如为一个模糊的部分输入产生多个有效的完整形状，以及形状操作和内插。

内容中包含的图片若涉及版权问题，请及时与我们联系删除