具有均匀性的基于梯度的点云去噪
计算机视觉与模式识别
2022-07-22 v1 图形学
摘要
由深度传感器捕获的点云常受噪声污染，阻碍进一步的分析与应用。本文中，我们强调了点分布均匀性对下游任务的重要性。我们证明，现有基于梯度的去噪器所产生的点云虽取得了可观的量化结果，却缺乏均匀性。为此，我们提出GPCD++，一种基于梯度的去噪器，其采用名为UniNet的超轻量网络来解决均匀性问题。相较先前state-of-the-art方法，我们的方法不仅生成具竞争力甚至更优的去噪结果，还显著改善了均匀性，这极大有益于如表面重建等应用。
引用
@article{arxiv.2207.10279,
title = {Gradient-based Point Cloud Denoising with Uniformity},
author = {Tian-Xing Xu and Yuan-Chen Guo and Yong-Liang Yang and Song-Hai Zhang},
journal= {arXiv preprint arXiv:2207.10279},
year = {2022}
}