AtlasNet: Ein Papiermaché-Ansatz zur Lernvernetzung der 3D-Oberflächen-Generierung

Wir stellen eine Methode zur Lerngenerierung von Oberflächen dreidimensionaler Formen vor. Unser Ansatz repräsentiert eine 3D-Form als Sammlung parametrischer Oberflächenelemente und unterscheidet sich von Methoden, die Voxel-Gitter oder Punktwolken erzeugen, dadurch, dass er eine natürliche Oberflächenrepräsentation der Form ableitet. Neben seiner Neuheit bringt unser neuer Formgenerierungsrahmen, AtlasNet, erhebliche Vorteile mit sich, wie verbesserte Genauigkeit und Generalisierungsfähigkeiten sowie die Möglichkeit, eine Form beliebiger Auflösung zu generieren, ohne an Speicherprobleme zu geraten. Wir demonstrieren diese Vorteile und vergleichen sie mit starken Baselines auf dem ShapeNet-Benchmark für zwei Anwendungen: (i) Auto-Codierung von Formen und (ii) Einzelsichtrekonstruktion aus einem Stillbild. Zudem liefern wir Ergebnisse, die das Potenzial dieser Methode für andere Anwendungen wie Morphing, Parametrisierung, Super-Auflösung, Matching und Co-Segmentierung zeigen.