机构名称：
¥ 1.0
摘要：我们提出了一种方法，将其转换为2D蓝图转换为3D模型从原始单视图像中的可变形对象类别，完全没有外部监督。我们的方法利用了一个自动编码器框架，该框架将每个输入图像分解为四个基本组件：深度，颜色校正，观点和照明。没有明确标签就可以实现此分解。我们利用转换对象外观的事实，基础结构通常保持对称，可用于指导分离过程。要处理可能表现出部分对称性的对象，我们引入了一个学习的对称概率图，该图被整合到模型中，并与其他组件一起端到端学习。我们的方法能够从单视图像中准确恢复各种可变形物体的3D形状，例如人的脸，猫的脸和汽车，而无需依赖任何监督或先前的形状模型。在实验评估中，我们证明了我们的无监督方法显着优于依赖2D图像对应关系的有监督方法，从而在3D形状重建方面达到了卓越的准确性。这项工作为无监督的3D对象学习提供了有希望的步骤，并在计算机视觉和图形中使用了潜在的应用。关键字：OPENCV，深度处理，MIDAS，图像处理，Pytorch。
将2D蓝图转换为3D模型
主要关键词
相关文件推荐
