用于点云完成及更广应用的双曲张量 Chamfer 距离
计算机视觉与模式识别
2024-12-25 v1
摘要
Chamfer 距离（CD）广泛用于量化两个点云之间的差异。在点云完成任务中，Chamfer 距离通常用作深度学习框架中的损失函数。然而，业界普遍认识到 Chamfer 距离对异常值较为敏感，这可能导致模型在次优解处收敛。与现有文献大量聚焦于欧几里得空间解决此问题不同，本文提出了一种简洁而强大的度量方法，专为点云完成任务设计：{双曲 Chamfer 距离（HyperCD）}。该度量在双曲空间中进行 Chamfer 距离计算。在反向传播过程中，HyperCD 对欧几里得距离较小的匹配点对分配更大的权重。这种机制有助于保持准确的点对匹配，同时允许次优匹配逐步调整，从而提升点云完成效果。此外，度量形状不相似性不仅适用于点云完成任务，我们进一步探索了其在其他生成相关任务中的应用，包括从点云重建单张图像以及上采样。我们在点云完成基准数据集 PCN、ShapeNet-55 和 ShapeNet-34 上实现了最先进的性能，并通过可视化显示 HyperCD 能显著提高表面光滑性，我们还提供了超出完成任务的实验结果。
关键词
引用
@article{arxiv.2412.17951,
title = {Hyperbolic Chamfer Distance for Point Cloud Completion and Beyond},
author = {Fangzhou Lin and Songlin Hou and Haotian Liu and Shang Gao and Kazunori D Yamada and Haichong K. Zhang and Ziming Zhang},
journal= {arXiv preprint arXiv:2412.17951},
year = {2024}
}
备注
13 pages, 6 figures