【博士论文】有限监督下的三维物体重建与风格化

文章预览

来源：专知 本文 约1500字 ，建议阅读 5 分钟 本论文聚焦于 有限监督下的三维任务 ，即训练数据有限且不完整的场景。 在过去的十年里，深度学习引发了计算机视觉领域的革命，尤其是在二维图像感知与生成方面的巨大进展。这一突破主要归功于大量可用的训练数据，即图像数据。然而，我们所处的真实世界是三维的，理解周围环境的几何结构与视觉外观对于深度学习系统至关重要。这些系统构成了众多应用的基础，包括机器人技术、虚拟/增强现实、视觉生成式人工智能（AIGC）、电子游戏和元宇宙等。然而，3D数据的获取通常成本高昂且充满挑战，导致用于训练深度学习模型的可靠3D真实数据极度稀缺。因此，迫切需要能够在有限观测条件下（如来自RGB相机的单目2D图像或来自深度传感器的不完整3D扫描）高效恢复或风格化3D物体的学习机制。 本 ………………………………