所有点云都适合补全吗？面向点云补全的弱监督质量评估网络
计算机视觉与模式识别
2023-03-06 v1 人工智能
摘要
在点云补全任务的实际应用中，真实数据质量通常远差于用于训练的 CAD 数据集。少量噪声数据通常会显著影响整个系统的精度。本文中，我们提出一种质量评估网络，对点云进行打分，并在应用补全模型之前帮助判断点云的质量。我们相信我们的打分方法可帮助研究者选择更合适的点云用于后续补全与重建，并避免手动调参。此外，我们的评估模型快速且简洁，可直接插入任意模型的训练或使用过程中，以方便点云的自动选择与后处理。我们提出了基于 ShapeNet 的完整数据集构建与模型评估方法。我们在 KITTI（一个真实世界自动驾驶数据集）上利用检测与光流估计任务验证我们的网络。实验结果表明，我们的模型能有效区分点云质量并有助于实际任务。
引用
@article{arxiv.2303.01804,
title = {Are All Point Clouds Suitable for Completion? Weakly Supervised Quality Evaluation Network for Point Cloud Completion},
author = {Jieqi Shi and Peiliang Li and Xiaozhi Chen and Shaojie Shen},
journal= {arXiv preprint arXiv:2303.01804},
year = {2023}
}
备注
ICRA 2023