FBNet：用于点云补全的反馈网络
计算机视觉与模式识别
2022-10-11 v1
摘要
点云学习的快速发展将点云补全带入了一个新时代。然而，大多数现有补全方法的信息流仅为前馈式，高层信息很少被复用以改善低层特征学习。为此，我们提出一种新颖的用于点云补全的反馈网络 (FBNet)，其中当前特征通过重新路由后续的细粒度特征而得到有效精炼。首先，部分输入被送入基于分层图的网络 (HGNet) 以生成粗糙形状。然后，我们级联若干反馈感知补全 (FBAC) 模块并跨时间递归展开。两个相邻时间步之间的反馈连接利用细粒度特征来改善当前形状生成。构建反馈连接的主要挑战在于当前特征与后续特征之间的维度不匹配。为此，精心设计的逐点交叉Transformer通过交叉注意力策略从反馈特征中利用有效信息，进而以增强的反馈特征精炼当前特征。在多个数据集上的定量与定性实验证明了所提FBNet在点云补全任务上相比最先进方法的优越性。
关键词
引用
@article{arxiv.2210.03974,
title = {FBNet: Feedback Network for Point Cloud Completion},
author = {Xuejun Yan and Hongyu Yan and Jingjing Wang and Hang Du and Zhihong Wu and Di Xie and Shiliang Pu and Li Lu},
journal= {arXiv preprint arXiv:2210.03974},
year = {2022}
}
备注
The first two authors contributed equally to this work. The source code and model are available at https://github.com/hikvision-research/3DVision/. Accepted to ECCV 2022 as oral presentation