AWCD：一种基于 Wasserstein 曲率的高效点云处理方法
机器学习
2021-05-12 v2 计算机视觉与模式识别
摘要
本文提出自适应 Wasserstein 曲率去噪（AWCD），一种新颖的点云数据处理方法。通过从 Wasserstein 距离收集曲率信息，AWCD 考虑了更精确的数据结构，并即使在高密度含噪数据下也保持稳定性与有效性。本文包含关于 Wasserstein 曲率的一些理论分析以及 AWCD 的完整算法。此外，我们设计数字实验以展示 AWCD 的去噪效果。根据对比结果，我们给出了 AWCD 相对于传统算法的优势。
关键词
引用
@article{arxiv.2105.04402,
title = {AWCD: An Efficient Point Cloud Processing Approach via Wasserstein Curvature},
author = {Yihao Luo and Ailing Yang and Fupeng Sun and Huafei Sun},
journal= {arXiv preprint arXiv:2105.04402},
year = {2021}
}
备注
13 pages, 5 figures