- …
- …
#862
summarized by : Hiroaki Aizawa
どんな論文か？
近年，学習ベースの3次元再構成は微分可能なレンダラーによってRGB画像(とそのマスク)から3次元形状を再構成を学習できるようになった．しかし，これらの手法は3次元表現がボクセルかメッシュに制限されるため，離散化によるartifactまたは計算コストゆえの低解像度な表現である問題がある．この論文は，implicitに形状とテクスチャを表現し，そのための微分可能なレンダラーを提案している．
新規性
このようなimplicit表現のためのdifferentiable volumetric renderingを提案．このレンダリングは，表現するパラメタに関する勾配は予測されたdepthから解析的に導出できることに着目し，設計されている．この方法は，メモリ消費はサンプリング精度に依存せず，これまでの方法と同様に，RGB画像とそのマスクから学習可能．
結果
RGBまたはRGB-D画像集合で学習したときの，一枚のRGB画像から3次元形状とテクスチャの再構築性能(このとき，学習時multi-viewでも検証)，また実環境のmulti-view画像から複雑な3次元形状を再構築するときの性能を評価．sigle-view reconstructionでは特に2.5D supervisionで先行研究と比較して優位であることがわかった．
その他（なぜ通ったか？等）
- …
- …