초록
깊은 신경망을 이용한 3D 데이터 생성이 연구 커뮤니티에서 점차 더 많은 관심을 받고 있습니다. 기존의 대부분 연구는 볼륨 그리드나 이미지 집합과 같은 규칙적인 표현 방식을 사용하지만, 이러한 표현 방식은 기하학적 변환에 대한 3D 모양의 자연스러운 불변성을 가리키며 여러 가지 문제를 가지고 있습니다. 본 논문에서는 단일 이미지로부터 3D 재구성 문제를 다루며, 출력 형태로 점군 좌표를 생성하는 간단한 방법을 제안합니다. 이 문제와 함께 발생하는 독특하고 흥미로운 이슈는 입력 이미지에 대한 정답 모양이 모호할 수 있다는 것입니다. 이 비정통적인 출력 형태와 정답의 내재된 모호성을 고려하여, 우리는 혁신적이면서도 효과적인 아키텍처, 손실 함수 및 학습 패러다임을 설계하였습니다. 우리의 최종 해결책은 조건부 형태 샘플러로, 입력 이미지로부터 여러 개의 가능한 3D 점군을 예측할 수 있는 능력을 갖추고 있습니다. 실험 결과, 우리의 시스템은 단일 이미지를 기반으로 하는 3D 재구성 벤치마크에서 최신 방법론들을 능가하며, 3D 형태 완성에서도 뛰어난 성능을 보이고 있으며 여러 개의 가능한 예측을 수행하는 데 있어 유망한 능력을 보여주었습니다.