作者在SMAL的基础上，将原本传统优化方法改进为基于深度学习的方法，简化了重建方法。
<论文阅读>(五)Learning View Priors for Single-View 3D Reconstruction
这篇文章是少有的，无需3D监督信号的单图重建任务。论文提出了模拟人对于待重建物体的先验知识，即对于不可见视角的物体来说，人可以通过先验知识来“想象”其重建形状是怎样的。
<论文阅读>(四)Canonical Surface Mapping via Geometric Cycle Consistency
论文在无对应关系约束的情况下，利用循环一致性解决了如何将图片中的物体映射至一个3维模板上,并且可以应用于寻找图片之间的像素点对齐。而3维模板与图片上的物体只需要是属于同一类的即可。需要注意的是，为了使得将像素点投影至模板的平面上，作者使用了重心坐标来确定三维预测点在模板面片上的位置。
<论文阅读>(三)Paperset:how to Extract Geometric Features From Spatial Layout of Points
在最近的研究中想对重建的3D Shape进行特征抽取，并以此来帮助重建任务，所有研究了最近几年的有关point cloud, mesh的特征抽取相关工作论文，在这里作为一个合集记录一下。
Ubuntu18.04装机
最近把实验室电脑重装了一遍环境，虽说可以查到装机资料，但是很多人的情况与我不同，查来查去很费时间，就特意记录下来。目前记录的有Matlab,Pycharm,Cuda,CuDnn,Sougou拼音
<论文阅读>(二)End-to-End Recovery of Human Shape and Pose
作者利用SMPL和2d，3d数据训练了一个由单图生成人体三维Mesh的神经网络。在训练该网络时，对三维ground-truth的要求并不是很苛刻。
Hello World
发表于
本文字数： 367 阅读时长 ≈ 1 分钟
本文字数： 367 阅读时长 ≈ 1 分钟
Welcome to Hexo! This is your very first post. Check documentation for more info. If you get any problems when using Hexo, you can find the answer in troubleshooting or you can ask me on GitHub.
<论文阅读>(一)Learning Category-Specific Mesh Reconstruction From Image Collections
论文介绍了从单图重建一类物体的三维形状，文章主要介绍对鸟类的三维重建。但是在最后作者比较了其它刚性物体类别，例如汽车、飞机，等的重建效果。同时论文也介绍了一种在三维重建过程中，对物体纹理进行渲染的方法