RL-GAN-Net: A Reinforcement Learning Agent Controlled GAN Network for Real-Time Point Cloud Shape Completion RL-GAN-Net:一种用于实时点云形状完成的强化学习Agent控制GAN网络 2.作者 在这里插入图片描述 代码 3. 引言 我们提出了RL-GAN网络,其中强化学习(RL)代理提供生成式对抗网络(GAN)的快速和鲁棒控制。...
:RL-GAN-Net。 让我们来看看效果: 如图所示,最左边一列是groundtruth图像,Pin表示输入的缺失点云图像,AE表示自编码器产生的补全输出图像,RL-GAN-Net表示作者的方法得到的...RL-GANNet引言 背景知识强化学习生成对抗网络核心思想 基本框架 损失函数网络结构 实验结果对比 总结 引言 作者首次将强化学习和生成对抗网络...
RL-GAN Net 引言 背景知识 强化学习 生成对抗网络 核心思想 基本框架 损失函数 网络结构 实验结果对比 总结 引言 作者首次将强化学习和生成对抗网络结合起来,用于点云数据生成。通过控制GAN将有噪声的部分点云数据转换为高保真度的补全形状。由于GAN不稳定且难以训练,作者通过:(1)在隐空间表示上训练GAN来解决该问题,...
文章提出了一种名为RL-GAN-Net的网络,就是用强化学习代理去控制GAN网。并且将该框架应用于点云形状的生成时,通过控制GAN将嘈杂的有缺失的点云数据转换了高保真的生成形状。 虽然GAN不稳定且难以训练,但可以通过以下方式避免问题:1 在潜在空间表示上训练GAN,其尺寸与原点云输入相比减小;2 使用RL代理找到正确的输入...
不过读完这篇文章也算是一个启发,可以考虑将RL与vision,NLP的一些topic结合起来,兴许有不错的成果。论文链接在下方。 RL-GAN-Net: A Reinforcement Learning Agent Controlled GAN Network for Real-Time Point Cloud Shape Completionarxiv.org/abs/1904.12304...
We present RL-GAN-Net, where a reinforcement learning (RL) agent provides\nfast and robust control of a generative adversarial network (GAN). Our\nframework is applied to point cloud shape completion that converts noisy,\npartial point cloud data into a high-fidelity completed shape by ...
2.提出了基于强化学习的实时GAN网络控制方法,可以在不经过复杂优化的情况下生成想要的输出结果。 图1 本文形状补全网络的前向传播过程,通过观察经过编码的部分点云,RL-GAN-NET为隐GAN网络选择一个合适的输入向量,并生成一个干净的形状编码,人造的隐式表达经过解码实时得到完整的点云数据,本文的混合框架中,鉴别器最终...