weixin_60874964的博客

2203.09364.pdf (arxiv.org)摘要图卷积网络(GCN)在单手重建任务中取得了巨大的成功，而利用GCN进行双向交互重建的研究尚不深入。在本文中，我们提出了交互注意图手(IntagHand)，这是第一个基于图卷积的网络，可以从单个RGB图像重构两个交互手。为了解决双手重建的遮挡和交互问题，我们在原GCN的每个上采样步骤中引入了两个新的基于注意的模块。第一个模块是金字塔图像特征注意(PIFA)模块，它利用多分辨率特征隐式地获得顶点到图像的对齐。的第二个模块是交叉手注意(CHA)模块，它通过在

此外，为了学习一组广泛任务的先验，如形状完成，其中可能观察到任意子集，例如椅子的4条腿，我们建议学习一个“非顺序的”自回归先验，即能够使用随机子集作为条件反射的先验。它们已成功地用于跨领域的建模分布，如图像[8,20,25,33]、音频[21]、视频[18]或语言[45]，我们的工作在广泛的3D生成任务中探索了它们的好处。给定对3D形状的任意(可能是稀疏的)子区域的观察，我们可以从我们学习到的分布中采样不同的和高质量的形状，我们表明，这种通用方法的性能相对较好，如果不是比以前的专门方法更好的话。