GeoGCN：面向点云去噪的几何双域图卷积网络
计算机视觉与模式识别
2022-10-31 v1
摘要
我们提出GeoGCN，一种用于点云去噪（PCD）的新型几何双域图卷积网络。超越PCD传统思路，为充分利用点云几何信息，我们定义两类曲面法向：一为真实法向（RN），一为虚拟法向（VN）。RN保留含噪点云局部细节，而VN避免去噪过程中的全局形状收缩。GeoGCN是一种新PCD范式：1）首先借助VN通过基于空间的GCN回归点位置；2）随后对回归点执行主成分分析（PCA）估计初始RN；3）最后通过基于法向的GCN回归精细RN。不同于现有PCD方法，GeoGCN不仅利用两类几何先验（即RN与VN），且受益于训练数据。实验验证GeoGCN在噪声鲁棒性及局部与全局特征保持方面均优于SOTA方法。
引用
@article{arxiv.2210.15913,
title = {GeoGCN: Geometric Dual-domain Graph Convolution Network for Point Cloud Denoising},
author = {Zhaowei Chen and Peng Li and Zeyong Wei and Honghua Chen and Haoran Xie and Mingqiang Wei and Fu Lee Wang},
journal= {arXiv preprint arXiv:2210.15913},
year = {2022}
}