3D结构化重建
IM-NET
特点
- 隐式编码器代替传统编码
- 隐式场为每个点分配(二进制分类器)一个值,提取等值面,SDF
- 这也意味着它是基于体素的生成重建
- 可以以任何分辨率对解码器输出进行采样,并且不受训练形状分类器的限制
- 将点的特征与形状特征连接,将二者作为解码器的输入,提供给隐式解码器,学习点相对于形状的内部和外部状态。
- 传统的卷积和解卷积,以相对形状的边界体积的范围来预测体素
- 形状的演变就是内部外部分配状态的改变
- 与传统卷积的不同之处在于
- 训练时间长,引入渐进训练一定程度上加速推理
- 仅输入为纯净的目标图像,不包含背景。