Shape Inpainting using 3D Generative Adversarial Network and Recurrent Convolutional Networks

摘要 卷積神經網絡的最新進展已顯示出有希望的3D形狀完成結果。 由於GPU內存的限制,這些方法只能產生低分辨率的輸出。 爲了用語義上的合理性和上下文詳細信息修補3D模型,我們引入了一個混合框架,該框架結合了3DEncoder-Decoder生成對抗網絡(3D-ED-GAN)和長期遞歸卷積網絡(LRCN)。  3DED-GANisa3D卷積神經網絡經過生成對抗模型進行訓練,以低分辨率填充丟失的3D數
相關文章
相關標籤/搜索