#963
summarized by : Naoya Chiba
Neural Cages for Detail-Preserving 3D Deformations

どんな論文か?

Cage-basedな物体の変形にニューラルネットワークを適用し,教師なしでディテールを保ったまま物体形状を転送する手法を学習する.PointNetとAtlasNetによるエンコーダー・デコーダーモデルを基本とし,デコーダーでMean Value Coordinatesを経由してCageの変形を推定することで三次元形状を変形させる.
placeholder

新規性

ディテールを保ちつつ概形を近づけるような三次元形状の変形を教師なしで学習するDeformation Transferという問題設定に対して近年の3Dデータを扱うニューラルネットワークを応用した点が新規.さらに提案するNegative MVC Penaltyにより性能が向上している.

結果

ShapeNetのDeskとTable,3D-CODEDのSMPLモデル(人物形状)で検証.歪みが小さく概形が近づいていることをChamfer DistanceとΔCotLaplacianで評価.AtlasNetによる画像から三次元形状を推定する手法と組み合わせて,二次元画像に近い三次元形状に変形する例も紹介.

その他(なぜ通ったか?等)