テルアビブ大学、ヘブライ大学、Intelの研究者らは、ソース形状を別のターゲット形状に合わせ調整することで新しいインスタンスを生成するCNNを用いた手法「ALIGNet」を発表しました。
論文：ALIGNet: Partial-Shape Agnostic Alignment via Unsupervised Learning
著者：Rana Hanocka, Noa Fish, Zhenhua Wang, Raja Giryes, Shachar Fleishman, Daniel Cohen-Or
本論文は、ソース形状をFFDを介してターゲット形状に合わせ調整するニューラルネットワークを提案します。
本提案手法は、ソース形状とターゲット形状のランダムなペアから、教師なしの訓練スキームを介して、FFDグリッドを計算することを学び、入力のソースとターゲット形状の間のマッピングを学習します。
また、ターゲットが完成したかのようにソース形状を不完全なターゲット形状に合わせることを学習します。言い換えると、不完全なターゲット形状であっても、完全なターゲットのようにソース形状を変形させます。不完全なターゲットであっても、もっともらしいマッピングを推定できると。
これにより、高品質なソース形状を低品質なターゲット形状へ変形させて新しいインスタンスを生成できるツールを実証しました。以下は、2D形状で出力された本提案手法の結果です。
以下は、3D形状で出力された本提案手法の結果です。
