- …
- …
#589
summarized by : Hiroaki Aizawa
どんな論文か？
疎な点群，低解像度なボクセル，スキャンできなかった不完全な3Dデータなど何らかの欠点を持つ3Dデータを入力としたときの，3D形状の再構成と補完を行う問題を扱っている．提案するImplicit Feature Network(IF-Nets)は，複数のトポロジーを扱うことができ，連続的な出力が提供できる．このような設定でも，入力データの詳細を保持し，articulationを持つ対象を復元できる．
新規性
このような設定下によらず，著者らはimplicit functionは入力データの詳細が保持できない，articulationを持つ対象が苦手，密な入力を扱えないという問題を挙げている．これらの問題の解決のために，形状を3D multi-scale featureとしてencodeし，特徴空間上でのxyz座標でinside/outsideを分類する方法を提案している．
結果
ShapeNetで剛体対象における3D reconstructionの性能を評価し，state-of-the-artを上回る性能を達成．またarticulationを持つ人のような非剛体の対象でも評価し，入力の詳細を保持しつつ，また部位の欠落もなしに対象の形状を詳細に再構成できることを実証．
その他（なぜ通ったか？等）
- …
- …