E$^3$-Net: 高效的E(3)等变法线估计网络
计算机视觉与模式识别
2024-06-04 v1
摘要
点云法线估计是三维几何处理中的一项基本任务。虽然近期基于学习的方法在法线预测方面取得了显著进展，但它们常常忽略了等变性这一关键方面。这导致对称模式的学习效率低下。为了解决这个问题，我们提出了E3-Net以实现法线估计的等变性。我们引入了一种高效的随机框架方法，该方法将本任务所需的训练资源显著减少到先前工作的1/8，并提高了精度。此外，我们设计了一个高斯加权损失函数和一个感受野感知推理策略，有效利用了点云的局部特性。我们的方法在合成数据集和真实世界数据集上都取得了优异的结果，并以显著优势超越了当前最先进的技术。我们在PCPNet数据集上提高了4%的RMSE，在SceneNN数据集上提高了2.67%，在FamousShape数据集上提高了2.44%。
引用
@article{arxiv.2406.00347,
title = {E$^3$-Net: Efficient E(3)-Equivariant Normal Estimation Network},
author = {Hanxiao Wang and Mingyang Zhao and Weize Quan and Zhen Chen and Dong-ming Yan and Peter Wonka},
journal= {arXiv preprint arXiv:2406.00347},
year = {2024}
}