从图表示的结构生成具有多尺度细节的点云
计算机视觉与模式识别
2024-05-07 v3 人工智能
摘要
由于大多数结构表示中缺失细节，对更多信息缺乏可控性是基于结构的可控点云生成的主要弱点之一。可以观察到，细节与结构的定义是主观的。细节可被视为小尺度上的结构。为同时表示不同尺度上的结构，我们提出一种称为多尺度结构图（MSG）的基于图的结构表示。给定多尺度结构，相似的局部结构模式可在不同尺度、位置和角度上被发现。从区域结构模式学到的知识应迁移至其他相似模式。我们提出一种称为基于多尺度结构的点云生成器（MSPCG）的编码与生成机制，其可同时从具有各异空间属性的局部模式学习点云生成。所提方法通过编辑 MSG 支持点云的多尺度编辑。通过从局部结构生成点云并在多尺度上同时学习，我们的 MSPCG 具有更好的泛化能力与可扩展性。在 ShapeNet 上训练后，我们的 MSPCG 可为未见过的类别和室内场景从给定结构生成点云。实验结果表明，我们的方法显著优于基线方法。
引用
@article{arxiv.2112.06433,
title = {Generate Point Clouds with Multiscale Details from Graph-Represented Structures},
author = {Ximing Yang and Zhibo Zhang and Zhengfu He and Cheng Jin},
journal= {arXiv preprint arXiv:2112.06433},
year = {2024}
}
备注
9 pages, 6 figures