CP3：基于预训练-提示-预测范式的点云补全统一框架
计算机视觉与模式识别
2022-11-15 v2
摘要
点云补全旨在从局部观测中预测完整形状。当前方法主要以由粗到精的方式包含生成与细化两个阶段。然而，生成阶段常缺乏应对不同残缺变化的鲁棒性，而细化阶段在没有语义感知的情况下盲目恢复点云。为应对这些挑战，我们通过通用的预训练-提示-预测范式统一点云补全，即CP3。受自然语言处理中提示方法的启发，我们创造性地将点云生成与细化分别重新解释为提示与预测阶段。然后，我们在提示之前引入简洁的自监督预训练阶段，通过不完全之不完全（IOI）前置任务有效提升点云生成的鲁棒性。此外，我们在预测阶段开发了新颖的语义条件细化（SCR）网络，能够在语义引导下判别性地调节多尺度细化。最后，大量实验表明我们的CP3以较大优势优于最先进的方法。
引用
@article{arxiv.2207.05359,
title = {CP3: Unifying Point Cloud Completion by Pretrain-Prompt-Predict Paradigm},
author = {Mingye Xu and Yali Wang and Yihao Liu and Tong He and Yu Qiao},
journal= {arXiv preprint arXiv:2207.05359},
year = {2022}
}