计算机科学>计算机视觉和模式识别
标题: 弹出运动:通过学习形状拉普拉斯变换实现三维软件图像变形
摘要: 我们提出了一种框架,可以使二维图像中的对象变形,就像它存在于三维空间中一样。 现有的大多数3D软件图像处理方法都局限于(1)仅更改全局场景信息或深度,或(2)处理特定类别的对象。 本文提出了一种对形状类别和变形类型具有最小限制的三维图像变形方法。 虽然我们的框架利用了二维到三维重建,但我们认为,由于拓扑错误的脆弱性,重建不足以实现真实变形。 因此,我们建议采用基于监督学习的方法来预测以点云表示的三维重建潜在体积的拉普拉斯形状。 给定使用预测形状的拉普拉斯变形控制柄和用户定义的变形控制柄(例如,关键点)计算的变形能量,我们获得有界双调和权重,以模拟基于手柄的合理图像变形。 在实验中,我们展示了我们对2D角色和穿着衣服的人体图像进行变形的结果。 我们还定量地表明,与其他方法(即网格重建和点云拉普拉斯方法)相比,我们的方法可以产生更准确的变形权重。