Core Concepts
2D CNNの事前学習を活用した表面感知型メッシュテクスチャ合成手法
Abstract
メッシュテクスチャ合成は3Dコンテンツの自動生成における重要な要素である。
従来の学習ベースの手法は形状多様体を無視するか、遮蔽関連の不一致を軽減するために多数の異なるビューが必要。
新しい表面感知型アプローチは、2D Convolutional Neural Networks(CNNs)の事前学習された重みを活用している。
提案されたネットワークは、各テクセル周囲の向き付けられたパッチを追跡し、メッシュ表面の幾何学的コンテンツを考慮している。
1. 導入
テクスチャは3Dメッシュの表面に適用され、高度な視覚効果を作り出すことに焦点が当てられている。
2. 関連作業
幾何ディープラーニング分野で進歩が見られ、特にテクスチャ合成に焦点が当てられている。
3. アプローチ
2つの同じアーキテクチャを持つCNNが使用され、1つは2D画像用であり、もう1つは3Dメッシュ用。
4. 結果と評価
我々の手法は他の最先端手法と比較して効果的であり、視覚的に魅力的な結果を生み出すことが示されている。
Stats
メッシュ数千枚で事前学習された2D CNNから得られた重みを利用しています。
最終的な損失関数は全ての層間でGram行列間の平均二乗誤差です。
Quotes
"提案されたアプローチでは、他の最先端手法と比較して効果的であります。"
"我々は事前学習済みVGG-19アーキテクチャを使用しました。"