GRJointNET：面向三维不完整点云的协同补全与部件分割
计算机视觉与模式识别
2023-11-27 v1
摘要
三维（3D）点云分割是自主系统的一项重要任务。然而，分割算法的成功在很大程度上依赖于底层点云的质量（分辨率、完整度等）。特别地，不完整点云可能会降低下游模型的性能。GRNet 作为近期提出的一种新颖深度学习方案用于点云补全，但其不具备部件分割能力。另一方面，我们提出的 GRJointNet 作为一种架构，可作为 GRNet 的后续模型，对点云执行联合补全与分割。为两项任务提取的特征也相互利用，以提升整体性能。我们在 ShapeNet-Part 数据集上评估了所提出的网络，并将其性能与 GRNet 进行比较。我们的结果表明，GRJointNet 在点云补全上优于 GRNet。还需指出，GRNet 无法进行分割，而 GRJointNet 可以。因此，本研究有望增强点云在自主系统三维视觉中的实用性与效用。
引用
@article{arxiv.2311.13997,
title = {GRJointNET: Synergistic Completion and Part Segmentation on 3D Incomplete Point Clouds},
author = {Yigit Gurses and Melisa Taspinar and Mahmut Yurt and Sedat Ozer},
journal= {arXiv preprint arXiv:2311.13997},
year = {2023}
}