
초록
우리는 고해상도로 깊은 생성형 모양 모델을 확장하는 문제를 고려합니다. 물체의 표준 시점 표현에서 영감을 얻어, 6개의 직교 투영된 깊이 맵에 초해상도 처리를 수행하는 네트워크를 통해 3D 물체의 빠른 업샘플링 방법을 소개합니다. 이 방법은 3D 공간에서 직접 작업하는 방법보다 효율적인 확장을 가능하게 하여 고해상도 물체를 생성할 수 있습니다. 우리는 2D 깊이 초해상도 문제를 실루엣과 깊이 예측으로 분해하여 구조와 세부 사항을 모두 포착합니다. 이를 통해 단일 네트워크보다 더 쉽게 날카로운 가장자리를 생성할 수 있습니다. 우리는 여러 실험을 통해 고해상도 3D 물체에 대한 우리의 연구를 평가하고, 최대 512$\mathbf{\times}$512$\mathbf{\times}$512 해상도까지 새로운 물체를 정확히 예측할 수 있는 시스템의 성능을 보여줍니다 -- 이는 해당 작업에서 보고된 가장 높은 해상도입니다. ShapeNet 데이터셋에서 RGB 이미지로부터 3D 물체 재구성을 통해 최고 수준의 성능을 달성하였으며, 또한 처음으로 효과적인 3D 초해상도 방법을 시연하였습니다.