#71
summarized by : 古川遼
Neural Template: Topology-Aware Reconstruction and Disentangled Generation of 3D Meshes

どんな論文か?

メッシュの再構成と生成. 提案手法のDT-Netは, 入力ごとのトポロジーを考慮したテンプレートを学習し, それをトポロジーを保ちながら変形することでメッシュを再構成する. これはメッシュ再構成が2段階のサブタスクからなるという洞察に基づく. 暗黙的にトポロジーと形状変形の disentangle された表現を獲得でき, 3Dのトポロジーのリミックスなど既存手法では困難な形状生成にも応用できる.
placeholder

新規性

メッシュ再構成を, トポロジーのテンプレートとトポロジーを保つ形状変形の2段階で学習するようなフレームワークを提案. 実際に操作可能な生成タスクに応用することで, 入力ごとのトポロジーのテンプレート作成と形状変形のための disentangle された表現を獲得していることを示した.

結果

3Dボクセルからのメッシュ再構成や単一視点画像からのメッシュ再構成において, 既存の SoTA の手法に比べて, 様々なトポロジーの詳細で高品質な再構成を行えた. Disentangle された表現を用いて, 物体のリミックス・補間・潜在変数の足し引きなど操作可能な形状生成を実現した.

その他(なぜ通ったか?等)