AtlasNet：一种学习3D表面生成的纸浆法方法

我们介绍了一种学习生成3D形状表面的方法。该方法将3D形状表示为一组参数化的表面元素，与生成体素网格或点云的方法不同，能够自然地推断出形状的表面表示。除了其新颖性之外，我们的新形状生成框架——AtlasNet（阿特拉斯网）还具有显著的优势，例如更高的精度和泛化能力，以及在不出现内存问题的情况下生成任意分辨率形状的可能性。我们在ShapeNet基准测试中展示了这些优势，并将其与强大的基线方法进行了比较，应用于两个场景：(i) 形状自编码，以及 (ii) 从静态图像进行单视图重建。此外，我们还提供了结果，展示了其在其他应用中的潜力，如变形、参数化、超分辨率、匹配和协同分割。