基于深度学习的单视图三维重建算法学习路线

一 基础知识

1.英语：下面给出的论文是全英文，可以培养阅读能力，建议少用翻译软件。

2.高等数学：非常重要，例如梯度下降公式涉及求导。

3.线性代数：非常重要，例如图像就是以矩阵的形式表示。

4.算法分析与设计：要有基本的算法思想，例如怎么减少时间复杂度和空间复杂度。

5.Python：这个不用说，基础的语法要会。推荐小甲鱼的python视频，B站搜：小甲鱼，P54之后的可以不用看。书籍推荐《Python编程 从入门到实践》。

6.Pytorch：大部分三维重建算法都是利用pytorch实现，推荐莫烦的pytorch，B站搜：莫烦python。书籍推荐《深度学习框架PyTorch：入门与实践》。

二 进阶知识

1.Linux基本操作：大部分代码涉及到编译的过程，需要在Linux系统上面运行。同时这类算法的网络结构都比较大，代码基本上都是在服务器上面跑，需要了解如何使用服务器。书籍推荐《鸟哥的Linux私房菜》。

2.计算机图形学：主要是渲染相关知识，如何从三维模型得到二维图像是三维重建算法的一个重要问题，后面列举的论文基本上都涉及到这个过程。视频推荐B站：GAMES101，看评论就知道老师有多厉害，暂时只看到了P9，感兴趣的可以往后面看。

3.基于深度学习的最新三维重建算法综述：这篇论文对近几年三维重建相关工作做了详细的总结，例如网络结构、输入输出、数据集等。在阅读下面的论文之前，可以先看看这个，对所有的三维重建算法有一个大致的了解。论文链接：https://arxiv.org/pdf/1906.06543v3.pdf

4.数据集：后续算法使用了两个数据集，一个是ShapeNet，这个数据集很大，只有三维模型，需要经过渲染才能够得到二维图像。第二个是PASCAL3D+，这也是一个比较出名的数据集。

5.打开三维模型的软件：后续三维模型基本上都是使用网格的表示方法。可以用Windows系统自带的3D查看器和Print 3D，Linux系统需要安装meshlab，也可以使用python的vtk库进行查看。用text打开obj文件时，可以看到网格模型具体是怎么表示的。

6.三维重建涉及的一些基本概念：例如相机坐标系和世界坐标系、旋转矩阵、透视变换等，这些都需要慢慢了解。视频推荐B站：计算机视觉之三维重建篇，书籍推荐张广军老师的《机器视觉》。

三 学习路线

1.Neural 3D Mesh Renderer

论文地址：https://arxiv.org/pdf/1711.07566.pdf

代码地址：https://github.com/hiroharu-kato/neural_renderer

可以把它列为基于深度学习的单视图三维重建算法里程碑之作，后续很多算法都由此展开。标准的渲染过程中涉及光栅化这种离散操作，阻止了反向传播，这就不能使用深度学习的方法进行训练。因此这篇文章提出了一种可微的渲染方法，能够在特定的视角渲染三维模型得到二维图像。

2.Learning Category-Specific Mesh Reconstruction from Image Collections(CMR)

论文地址：https://arxiv.org/pdf/1803.07549.pdf

代码地址：https://github.com/akanazawa/cmr

这篇文章是对上一个算法的应用，也算是这类算法更完整的实现。作者提出了一种从单个图像中恢复物体三维形状、相机和纹理的学习框架，输入的数据集需要标注关键点，但是不需要真实的3D数据集或者单个物体的多张图像进行监督，最后的输出是带有纹理的网格模型。

3.Soft Rasterizer: A Differentiable Renderer for Image-based 3D Reasoning

论文地址：https://arxiv.org/pdf/1904.01786.pdf

代码地址：https://github.com/ShichenLiu/SoftRas

这篇文章提出了另外一个可微渲染器，和第一篇不同的是，它将覆盖的所有三角形都考虑在内，能够使用可微函数直接渲染彩色网格。

4.Shape and Viewpoints without Keypoints(UCMR)

论文地址：https://arxiv.org/pdf/2007.10982.pdf

代码地址：https://github.com/shubham-goel/ucmr

这篇文章是对第二篇的改进，也是对第一、第三篇文章所提到的渲染器的综合应用。总的来说，数据集更加简单，只需要原始图像和掩膜即可，但是达到的效果更好。

四 后续论文推荐

1.Self-supervised Single-view 3D Reconstruction via Semantic Consistency(UMR)

论文地址：https://arxiv.org/pdf/2003.06473.pdf

2.Using Adaptive Gradient for Texture Learning in Single-View 3D Reconstruction

论文地址：https://arxiv.org/pdf/2104.14169.pdf

本文与另外三篇的重建效果对比如下表所示：

五 相关论文推荐

1.Learning to Predict 3D Objects with an Interpolation-based Differentiable Renderer

论文地址：https://nv-tlabs.github.io/DIB-R/files/diff_shader.pdf

代码地址：https://github.com/nv-tlabs/DIB-R

2.Occupancy Networks: Learning 3D Reconstruction in Function Space

论文地址：http://www.cvlibs.net/publications/Mescheder2019CVPR.pdf

代码地址：https://github.com/autonomousvision/occupancy_networks

如果觉得有用，就请分享到朋友圈吧！