In this work, we present a new learning-based pipeline for the generation of 3D shapes. We build our method on top of recent advances on the so called shape-from-spectrum paradigm, which aims at recovering the full 3D geometric structure of an object only from the eigenvalues of its Laplacian operator. In designing our learning strategy, we consider the spectrum as a natural and ready to use representation to encode variability of the shapes. Therefore, we propose a simple decoder-only architecture that directly maps spectra to 3D embeddings; in particular, we combine information from global and local spectra, the latter being obtained from localized variants of the manifold Laplacian. This combination captures the relations between the full shape and its local parts, leading to more accurate generation of geometric details and an improved semantic control in shape synthesis and novel editing applications. Our results confirm the improvement of the proposed approach in comparison to existing and alternative methods.


翻译:在这项工作中,我们提出了一个新的基于学习的3D形状生成管道。我们在所谓的光谱形状范式最新进展的基础上,又建立了我们的方法,目的是从一个物体的拉巴拉西亚操作员的外形价值中完全恢复一个物体的全部 3D 几何结构。在设计我们的学习战略时,我们认为频谱是自然的,可以使用演示来编码形状的变异性。因此,我们提议了一个简单的只用解码器来直接绘制光谱到 3D 嵌入器的架构;特别是,我们把来自全球和本地光谱的光谱和当地光谱的信息结合起来,而后者是从多功能的本地变异体中获取的。这种组合可以捕捉到整个形状及其局部部分之间的关系,导致更准确地生成几何细节,并改进形状合成和新编辑应用中的语法控制。我们的结果证实了与现有和替代方法相比,拟议方法的改进。

0
下载
关闭预览

相关内容

【MIT】反偏差对比学习,Debiased Contrastive Learning
专知会员服务
90+阅读 · 2020年7月4日
【google】监督对比学习,Supervised Contrastive Learning
专知会员服务
31+阅读 · 2020年4月23日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
164+阅读 · 2020年3月18日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
“CVPR 2020 接受论文列表 1470篇论文都在这了
已删除
将门创投
6+阅读 · 2019年11月21日
无监督元学习表示学习
CreateAMind
27+阅读 · 2019年1月4日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
Generative Adversarial Text to Image Synthesis论文解读
统计学习与视觉计算组
13+阅读 · 2017年6月9日
Learning Implicit Fields for Generative Shape Modeling
Arxiv
10+阅读 · 2018年12月6日
VIP会员
Top
微信扫码咨询专知VIP会员