用于三维点云微分属性预测的几何注意力机制
计算机视觉与模式识别
2020-08-07 v3
摘要
在离散三维数据表示中估计微分几何量是几何处理流程中的关键步骤之一。具体而言，从原始点云估计法向量与尖锐特征线有助于提升网格化质量，并使我们能够使用更精确的表面重建技术。在设计此类问题的可学习方法时，主要困难在于点云中邻域的选择以及融入点之间的几何关系。在本研究中，我们提出了一种几何注意力机制，能够以可学习的方式提供此类属性。我们通过在法向量预测与特征线提取上的若干实验确立了所提技术的有效性。
引用
@article{arxiv.2007.02571,
title = {Geometric Attention for Prediction of Differential Properties in 3D Point Clouds},
author = {Albert Matveev and Alexey Artemov and Denis Zorin and Evgeny Burnaev},
journal= {arXiv preprint arXiv:2007.02571},
year = {2020}
}