Reconstructing 3D shape from 2D sketches has long been an open problem because the sketches only provide very sparse and ambiguous information. In this paper, we use an encoder/decoder architecture for the sketch to mesh translation. When integrated into a user interface that provides camera parameters for the sketches, this enables us to leverage its latent parametrization to represent and refine a 3D mesh so that its projections match the external contours outlined in the sketch. We will show that this approach is easy to deploy, robust to style changes, and effective. Furthermore, it can be used for shape refinement given only single pen strokes. We compare our approach to state-of-the-art methods on sketches -- both hand-drawn and synthesized -- and demonstrate that we outperform them.


翻译:从 2D 草图重建 3D 形状长期以来一直是一个未解决的问题, 因为草图只提供了非常稀少和模糊的信息。 在本文中, 我们使用一个编码器/ 解码器结构来进行草图和网状翻译。 当整合到一个为草图提供摄像参数的用户界面中时, 这使我们能够利用其潜在的对称来代表并改进一个 3D 网格, 以便它的预测与草图中描述的外部轮廓匹配。 我们将显示, 这种方法很容易应用, 并且对样式变化非常有力, 并且有效 。 此外, 我们可以用它来进行形状的精细化, 只用单笔笔笔笔划来进行。 我们比较了我们的方法, 用手画和合成的手画图谱和合成来显示我们比它们都快。

0
下载
关闭预览

相关内容

专知会员服务
75+阅读 · 2021年9月27日
专知会员服务
72+阅读 · 2021年5月28日
如何构建你的推荐系统?这份21页ppt教程为你讲解
专知会员服务
64+阅读 · 2021年2月12日
2019年机器学习框架回顾
专知会员服务
35+阅读 · 2019年10月11日
【新书】Python编程基础,669页pdf
专知会员服务
193+阅读 · 2019年10月10日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
【推荐系统】一文读懂推荐系统知识体系
产业智能官
42+阅读 · 2017年10月31日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2021年11月23日
Arxiv
5+阅读 · 2021年8月5日
3D Face Modeling from Diverse Raw Scan Data
Arxiv
5+阅读 · 2019年2月13日
Video-to-Video Synthesis
Arxiv
9+阅读 · 2018年8月20日
Arxiv
5+阅读 · 2018年5月1日
Arxiv
5+阅读 · 2018年3月30日
VIP会员
相关论文
Top
微信扫码咨询专知VIP会员