GraphFit：面向点云法向估计的多尺度图卷积表示学习
计算机视觉与模式识别
2022-07-26 v1
摘要
我们提出了一种精确且高效的点云法向估计方法，能够处理非结构化三维点云的噪声与非均匀密度问题。不同于现有方法直接取局部块而忽略局部邻域关系，从而易受尖锐边缘等挑战性区域影响，我们提出学习用于法向估计的图卷积特征表示，其更强调局部邻域几何并有效编码内在关系。此外，我们设计了一种基于注意力机制的新颖自适应模块，以整合点特征与其邻域特征，从而进一步增强所提法向估计器对点密度变化的鲁棒性。为使其更具区分性，我们在图块中引入多尺度架构以学习更丰富的几何特征。我们的方法在各种基准数据集上以当前最优精度优于竞争对手，并且对噪声、离群点以及密度变化都相当鲁棒。
引用
@article{arxiv.2207.11484,
title = {GraphFit: Learning Multi-scale Graph-Convolutional Representation for Point Cloud Normal Estimation},
author = {Keqiang Li and Mingyang Zhao and Huaiyu Wu and Dong-Ming Yan and Zhen Shen and Fei-Yue Wang and Gang Xiong},
journal= {arXiv preprint arXiv:2207.11484},
year = {2022}
}