利用拓扑先验提升点云生成

Baiyuan Chen

利用拓扑先验提升点云生成

计算机视觉与模式识别 2024-04-29 v2 图像与视频处理

作者: Baiyuan Chen

摘要

本文提出了对 Sphere as Prior Generative Adversarial Network (SP-GAN) 模型的创新性提升，这是一种用于点云生成的领先 GAN。引入一种新方法，通过将拓扑先验纳入生成器训练过程中来提升生成点云的结构完整性和整体质量。具体而言，本工作利用 K-means 算法将点云库中的点云分段为聚类，并提取质心，将其用作生成 SP-GAN 的先验。此外，SP-GAN 的判别器组件使用贡献这些质心的相同点云，确保学习环境的连贯性和一致性。这种以质心作为直观指导的策略不仅提升了全局特征学习的效率，也显著提高了生成点云的结构一致性和保真度。通过应用 K-means 算法生成质心作为先验，本工作直观且实验性地证明了此类先验对提升生成点云质量具有重要作用。

关键词

点云生成拓扑先验 SP-GAN K-means 聚类结构一致性

引用

@article{arxiv.2403.10962,
  title  = {Exploiting Topological Priors for Boosting Point Cloud Generation},
  author = {Baiyuan Chen},
  journal= {arXiv preprint arXiv:2403.10962},
  year   = {2024}
}

备注

7 pages, 3 figures

利用拓扑先验提升点云生成

摘要

关键词

引用

备注

相关论文