用于点云补全的级联细化网络
计算机视觉与模式识别
2020-06-08 v3
摘要
点云通常稀疏且不完整。现有的形状补全方法无法生成物体的细节或学习复杂的点分布。为此，我们提出了一种级联细化网络以及由粗到细的策略来合成精细的物体形状。综合考虑局部不完整输入的细节与全局形状信息，我们能够在保留不完整点集中现有细节的同时，高保真地生成缺失部分。我们还设计了一个块判别器，保证每个局部区域与真实值具有相同的模式，从而学习复杂的点分布。在不同数据集上的定量与定性实验表明，我们的方法在三维点云补全任务上相比现有最先进（state-of-the-art）方法取得了更优的结果。我们的源代码可在 https://github.com/xiaogangw/cascaded-point-completion.git 获取。
引用
@article{arxiv.2004.03327,
title = {Cascaded Refinement Network for Point Cloud Completion},
author = {Xiaogang Wang and Marcelo H Ang and Gim Hee Lee},
journal= {arXiv preprint arXiv:2004.03327},
year = {2020}
}
备注
CVPR2020