Aprendiendo Campos Implícitos para Modelado Generativo de Formas

Abogamos por el uso de campos implícitos para aprender modelos generativos de formas e introducimos un decodificador de campos implícitos, llamado IM-NET, para la generación de formas, con el objetivo de mejorar la calidad visual de las formas generadas. Un campo implícito asigna un valor a cada punto en el espacio 3D, de manera que se pueda extraer una forma como una iso-superficie. IM-NET se entrena para realizar esta asignación mediante un clasificador binario. Específicamente, toma una coordenada de punto, junto con un vector de características que codifica una forma, y produce un valor que indica si el punto está fuera de la forma o no. Al reemplazar los decodificadores convencionales por nuestro decodificador implícito para el aprendizaje de representaciones (a través de IM-AE) y generación de formas (a través de IM-GAN), demostramos resultados superiores para tareas como el modelado generativo de formas, interpolación y reconstrucción 3D desde un solo punto de vista, particularmente en términos de calidad visual. El código y material suplementario están disponibles en https://github.com/czq142857/implicit-decoder.