GASCN：图注意力形状补全网络
计算机视觉与模式识别
2022-01-21 v1
摘要
形状补全，即在给定部分点云的情况下推断物体完整几何结构的问题，是机器人与计算机视觉中的重要问题。本文提出图注意力形状补全网络（GASCN），一种解决该问题的新型神经网络模型。该模型将用于编码局部点云信息的基于图的模型与基于 MLP 的用于编码全局信息的架构相结合。对于每个补全点，我们的模型推断局部表面面片的法线与范围，并据此生成稠密而精确的形状补全结果。我们报告的实验表明，在取自 Shapenet 数据集的标准基准上，GASCN 优于标准形状补全方法。
引用
@article{arxiv.2201.07937,
title = {GASCN: Graph Attention Shape Completion Network},
author = {Haojie Huang and Ziyi Yang and Robert Platt},
journal= {arXiv preprint arXiv:2201.07937},
year = {2022}
}
备注
International Conference on 3D Vision (3DV)