3次元形状生成とマッチングのための基本構造の学習

形状を学習可能な基本的な3次元構造の変形と組み合わせとして表現することを提案します。これらの基本的な3次元構造は、形状の集合体に対して訓練を行った結果得られるプリミティブです。我々は、学習された基本的な3次元構造が3次元形状生成およびマッチングにおいて明確な改善をもたらすことを示しています。より具体的には、基本構造の学習に関する2つの補完的なアプローチを提示します。(i) パッチ変形学習、(ii) ポイント翻訳学習です。両方のアプローチは、より高い次元の抽象構造に拡張することができ、その結果、性能が向上します。我々の方法は2つのタスクで評価しました：ShapeNetオブジェクトの再構築と人間スキャン間の密集対応関係の推定（FAUSTインターチャレンジ）。形状再構築では表面変形アプローチよりも16%改善し、FAUSTインターチャレンジにおける最先端技術を6%上回る結果を得ました。