用于点云补全的级联细化网络及其自监督方法

点云通常稀疏且不完整，这给实际应用带来困难。现有形状补全方法往往生成缺乏细粒度细节的粗糙形状。有鉴于此，我们引入一个用于形状补全的双分支网络。第一分支为级联形状补全子网络以合成完整物体，其中我们提出将部分输入与粗输出一同使用，以在稠密点重建过程中保留物体细节。第二分支为自编码器以重建原始部分输入。两分支共享同一特征提取器以学习用于形状补全的准确全局特征。此外，我们提出两种策略，以在缺乏真值数据时实现本网络的训练。此举旨在缓解现有方法对大量真值训练数据的依赖，而这类数据在实际应用中往往难以获取。另外，我们所提策略也能提升全监督学习的重建质量。我们在自监督、半监督与全监督设定下验证了本方法，均取得优越性能。在不同数据集上的定量与定性结果表明，我们的方法在点云补全任务上比最先进方法生成更真实的结果。