记录两个可以由2D图像生成3D模型的深度学习网络

1.由单张2D图像生成3D点云的深度网络

论文 《A Point Set Generation Network for 3D Object Reconstruction from a Single Image》

“最常见的一些3D几何表示，例如2D网格（mesh）或点云（point cloud）不是规则的结构，并且不适用于这些网络结构（当然后面出现了Pointnet）。这就是为什么大多数现存的工作都在使用深网进行3D 数据采用体积网格或图像集合（几何体的2D视图）。 然而，这种表示导致采样分辨率和净效率之间的折衷。 此外，它们还包含量化伪像（quantization artifacts），这些伪像会在刚性动作等情况下模糊数据的自然不变性。”

2.从2D图像生成3D模型，基于Im2Avatar

论文 《Im2Avatar: Colorful 3D Reconstruction from a Single Image》

“这个模型不仅可以生成3D模型，还可以生成颜色，现在我就介绍一下生成形状的部分，这个网络不是end to end的形式所以形状和颜色是分别训练的。”