基于低分辨率恢复与噪声感知上采样的保真度点云补全
计算机视觉与模式识别
2021-12-23 v2
摘要
补全无序的部分点云是一项具有挑战性的任务。现有方法依赖解码潜在特征来恢复完整形状,常导致补全点云过度平滑、丢失细节且含噪声。与解码整个形状不同,我们提出先解码并细化低分辨率(low-res)点云,然后执行块级噪声感知上采样,而非一次性插值整个稀疏点云(后者易丢失细节)。针对初始解码的低分辨率点云可能缺乏细节的问题,我们提出迭代细化以恢复几何细节,以及对称化过程以保留来自输入部分点云的可信信息。在获得稀疏且完整的点云后,我们提出块级上采样策略。基于块的上采样能比解码整个形状更好地恢复精细细节,然而现有上采样方法因数据差异(即此处输入的稀疏数据并非来自真值)而不适用于补全任务。因此,我们提出一种块提取方法以生成稀疏与真值点云间的训练块对,以及离群点去除步骤以抑制稀疏点云中的噪声点。结合低分辨率恢复,我们的整体方法能够实现高保真度点云补全。我们提供了综合评估以证明所提方法及其各组件的有效性。
引用
@article{arxiv.2112.11271,
title = {High-Fidelity Point Cloud Completion with Low-Resolution Recovery and Noise-Aware Upsampling},
author = {Ren-Wu Li and Bo Wang and Chun-Peng Li and Ling-Xiao Zhang and Lin Gao},
journal= {arXiv preprint arXiv:2112.11271},
year = {2021}
}