We apply style transfer on mesh reconstructions of indoor scenes. This enables VR applications like experiencing 3D environments painted in the style of a favorite artist. Style transfer typically operates on 2D images, making stylization of a mesh challenging. When optimized over a variety of poses, stylization patterns become stretched out and inconsistent in size. On the other hand, model-based 3D style transfer methods exist that allow stylization from a sparse set of images, but they require a network at inference time. To this end, we optimize an explicit texture for the reconstructed mesh of a scene and stylize it jointly from all available input images. Our depth- and angle-aware optimization leverages surface normal and depth data of the underlying mesh to create a uniform and consistent stylization for the whole scene. Our experiments show that our method creates sharp and detailed results for the complete scene without view-dependent artifacts. Through extensive ablation studies, we show that the proposed 3D awareness enables style transfer to be applied to the 3D domain of a mesh. Our method can be used to render a stylized mesh in real-time with traditional rendering pipelines.


翻译:在室内场景的网状重建中我们应用了样式转换。 这让 VR 应用程序能够像体验以最喜爱艺术家的风格绘制的 3D 环境那样的3D 环境。 样式转换通常以 2D 图像为主, 使网状图象的丝质化具有挑战性。 当对各种外形进行优化时, 星体模式会拉伸, 大小不一。 另一方面, 模型基底的 3D 风格转换方法允许从一个稀少的图像组中产生星状化, 但是它们需要在一个参照时间的网络。 为此, 我们优化了一个清晰的图像结构, 将它从所有可用的输入图像中同步化。 我们的深度深度和角度优化利用了基础网状的正常和深度数据, 为整个场景区创建统一和一致的星体化。 我们的实验显示, 我们的方法为完整场景提供了清晰和详细的结果, 没有视觉依赖的艺术品。 我们通过广泛的反动研究, 显示, 拟议的 3D 认识可以将样式转换方式应用到一个传统的流式传输到 mesh 域域。 我们的方法可以用传统管道来将Stylutal 。

0
下载
关闭预览

相关内容

专知会员服务
30+阅读 · 2021年6月12日
专知会员服务
38+阅读 · 2021年3月29日
迁移学习简明教程,11页ppt
专知会员服务
105+阅读 · 2020年8月4日
CVPR 2020 最佳论文与最佳学生论文!
专知会员服务
34+阅读 · 2020年6月17日
专知会员服务
59+阅读 · 2020年3月19日
“CVPR 2020 接受论文列表 1470篇论文都在这了
三维重建 3D reconstruction 有哪些实用算法?
极市平台
12+阅读 · 2020年2月23日
CVPR 2019 | 34篇 CVPR 2019 论文实现代码
AI科技评论
21+阅读 · 2019年6月23日
Hierarchically Structured Meta-learning
CreateAMind
23+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
25+阅读 · 2019年5月18日
学术会议 | 知识图谱顶会 ISWC 征稿:Poster/Demo
开放知识图谱
5+阅读 · 2019年4月16日
(Python)3D人脸处理工具Face3d
AI研习社
7+阅读 · 2019年2月10日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
41+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
Arxiv
9+阅读 · 2021年10月1日
Deformable Style Transfer
Arxiv
14+阅读 · 2020年3月24日
VIP会员
相关资讯
“CVPR 2020 接受论文列表 1470篇论文都在这了
三维重建 3D reconstruction 有哪些实用算法?
极市平台
12+阅读 · 2020年2月23日
CVPR 2019 | 34篇 CVPR 2019 论文实现代码
AI科技评论
21+阅读 · 2019年6月23日
Hierarchically Structured Meta-learning
CreateAMind
23+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
25+阅读 · 2019年5月18日
学术会议 | 知识图谱顶会 ISWC 征稿:Poster/Demo
开放知识图谱
5+阅读 · 2019年4月16日
(Python)3D人脸处理工具Face3d
AI研习社
7+阅读 · 2019年2月10日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
41+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
Top
微信扫码咨询专知VIP会员