ShapeFlow:3D形状中可学习的变形

ShapeFlow [NeurIPS 20'] ShapeFlow：3D形状之间可学习的变形。 创建者： ， ， ， [] [] 1.简介 我们提出ShapeFlow，这是一种基于流的模型，用于学习具有较大的内部类差异的整个3D形状类的变形空间。 ShapeFlow允许学习与形状拓扑无关的多模板变形空间，但保留了精细的几何细节。 不同于将潜矢量直接解码为形状的生成空间，变形空间将矢量解码为可以将源形状平移到目标的连续流。 这样的空间自然可以解开几何样式（来自源）和结构姿势（与目标一致）。 我们通过神经网络将几何形状之间的变形参数化为学习的连续流场，并表明可以保证此类变形具有理想的特性，例如双射性，无自相交或保留体积。 我们说明了这种学习到的变形空间对于各种下游应用的有效性，包括通过变形生成形状，几何样式转移，对整个形状类别的一致参数化的无监督学习以及形状插值。 2.入门 安