ComPC：利用 2D 扩散先验补全 3D 点云
计算机视觉与模式识别
2025-01-27 v2
摘要
由于自遮挡，通过传感器直接从物体采集的 3D 点云通常是不完整的。补全这些部分点云的传统方法依赖人工组织的训练集，且通常局限于训练期间见过的物体类别。在本工作中，我们提出了一个测试时框架，无需任何训练即可跨未见类别补全部分点云。利用通过 Gaussian Splatting 进行的点渲染，我们开发了部分高斯初始化、零样本分形补全和点云提取技术，这些技术利用预训练的 2D 扩散模型的先验来推断缺失区域并提取均匀的补全点云。在合成和真实世界扫描点云上的实验结果表明，我们的方法在补全各种物体方面优于现有方法。我们的项目页面位于 \url{https://tianxinhuang.github.io/projects/ComPC/}。
引用
@article{arxiv.2404.06814,
title = {ComPC: Completing a 3D Point Cloud with 2D Diffusion Priors},
author = {Tianxin Huang and Zhiwen Yan and Yuyang Zhao and Gim Hee Lee},
journal= {arXiv preprint arXiv:2404.06814},
year = {2025}
}
备注
Accepted by ICLR 2025