アトラスネット：3D表面生成のパピエマシェ手法による学習

3D形状の表面を生成するための学習方法を紹介します。当手法では、3D形状をパラメトリックな表面要素の集合として表現し、ボクセルグリッドや点群を生成する方法とは異なり、形状の表面表現を自然に推論します。新規性に加えて、当社の新しい形状生成フレームワークであるアトラスネット（AtlasNet）は、精度と汎化能力の向上、および任意の解像度で形状を生成できるという显著な利点を持っています。メモリ問題なくです。これらの利点を示すとともに、ShapeNetベンチマークにおいて2つのアプリケーションについて強力なベースラインとの比較を行います。(i) 形状の自己符号化と (ii) 静止画像からの単一視点再構成です。また、他のアプリケーションへの潜在的な応用可能性も示す結果を提供します。それらには変形、パラメータ化、超解像度化、マッチング、共セグメンテーションが含まれます。修正后的版本：3D形状の表面を生成するための学習方法について紹介します。本手法では、3D形状をパラメトリックな表面要素の集合体として表現し、ボクセルグリッドや点群を生成する方法とは対照的に、形状の表面表現を自然に推論します。その新規性だけでなく、アトラスネット（AtlasNet）と呼ばれる当社の新しい形状生成フレームワークは、精度と汎化能力の向上や任意解像度での形状生成が可能であり、メモリ問題が発生しないという顕著な利点があります。これらの利点を示すとともに、ShapeNetベンチマーク上で(i) 形状の自己符号化解析と (ii) 静止画からの単視点再構成という2つの応用例について強力な基準モデルとの比較を行いました。さらに本手法が他の用途にも適用可能であることを示す結果も提供しており、その用途には変形処理・パラメータ化・超解像度化・マッチング・共セグメンテーションなどが含まれます。