Research‎ > ‎Deep Learning‎ > ‎

3D Point Cloud Synthesis

3D 물체들의 생성 모델을 구하는 것은 모델들이 가지고 있는 그 복잡도 때문에 다루기 어려운 일이었습니다.
본 연구에서는, 3D 물체 생성 모델을 적대적 생성 학습 방법을 통해 얻는 방법을 연구합니다.
본 연구에서 제시한 프레임워크는 end-to-end이며, 연산 속도가 빠르고, 실감나는 물체를 생성할 수 있는 프레임워크로서 향후 3D object 관련한 여러 분야에 응용 가능성이 높습니다.

In this work, we propose a novel architecture of generative adversarial networks for 3D point clouds.
Our framework is an end-to-end, lightweight, effective framework which understands 3D objects.
The framework is easily applied to various 3D applications.

Designing GAN which adopts specific characteristics of 3D models
  • Generative adversarial networks for 3D models
  • Synthesized samples

  • Semantic feature modification
  • Interpolation between objects

[1] Minki Jeong and Changick Kim, Work in progress