1. Flattening-Net: глубокое регулярное 2D-представление для анализа 3D-облака точек(arXiv)
Автор: Цицзянь Чжан, Цзюньхуэй Хоу, Юэ Цянь, Имин Цзэн, Цзюйонг Чжан, Ин Хэ
Вывод:облака точек характеризуются неравномерностью и неструктурированностью, что создает проблемы при эффективном использовании данных и извлечении отличительных признаков. В этой статье мы представляем неконтролируемую глубокую нейронную архитектуру под названием Flattening-Net для представления нерегулярных 3D-облаков точек произвольной геометрии и топологии в виде полностью регулярной структуры 2D-точечного геометрического изображения (PGI), в которой координаты пространственных точек фиксируются в цветах пикселей изображения. \mr{Интуитивно Flattening-Net неявно аппроксимирует локально гладкий процесс выравнивания 3D-поверхности в 2D, эффективно сохраняя согласованность окрестностей.} \mr{Являясь общей модальностью представления, PGI по своей сути кодирует неотъемлемое свойство базовой структуры многообразия и облегчает агрегация точечных объектов в стиле поверхности.} Чтобы продемонстрировать его потенциал, мы создаем унифицированную структуру обучения, непосредственно работающую с PGI, для достижения \mr{разнообразных типов высокоуровневых и низкоуровневых} нижестоящих приложений, управляемых конкретными сетями задач, включая классификацию, сегментация, реконструкция и апсемплинг. Обширные эксперименты показывают, что наши методы лучше работают по сравнению с текущими современными конкурентами. Мы сделаем код и данные общедоступными по адресу https://github.com/keeganhk/Flattening-Net.
2.Point-E: система для создания трехмерных облаков точек из сложных подсказок(arXiv)
Автор: Алекс Николь, Хиву Джун, Прафулла Дхаривал, Памела Мишкин, Марк Чен
Аннотация . Хотя недавняя работа по созданию текстовых 3D-объектов показала многообещающие результаты, современные методы обычно требуют нескольких часов работы графического процессора для создания одного образца. Это резко контрастирует с современными генеративными моделями изображений, которые создают образцы за несколько секунд или минут. В этой статье мы исследуем альтернативный метод создания 3D-объектов, который позволяет создавать 3D-модели всего за 1–2 минуты на одном графическом процессоре. Наш метод сначала создает одно синтетическое представление с использованием модели диффузии текста в изображение, а затем создает трехмерное облако точек с использованием второй модели диффузии, которая обусловливает сгенерированное изображение. Хотя наш метод по-прежнему не соответствует современному уровню техники с точки зрения качества выборки, он на один-два порядка быстрее производит выборку, предлагая практический компромисс для некоторых случаев использования. Мы публикуем наши предварительно обученные модели распространения облаков точек, а также оценочный код и модели на https://github.com/openai/point-e.
