LAKe-Net：通过定位对齐关键点实现拓扑感知的点云补全
计算机视觉与模式识别
2022-04-01 v1
摘要
点云补全旨在从部分观测中补全几何与拓扑形状。然而，原始形状的某些拓扑缺失，现有方法直接预测完整点的位置，而不预测完整形状的结构化与拓扑信息，导致性能不佳。为更好地处理缺失的拓扑部分，我们提出 LAKe-Net，一种通过定位对齐关键点实现拓扑感知点云补全的新模型，采用新颖的关键点-骨架-形状预测方式。具体而言，我们的方法通过三步补全缺失拓扑：1) 对齐关键点定位。提出一个非对称关键点定位器，包括无监督多尺度关键点检测器和完整关键点生成器，用于从完整与部分点云中定位对齐关键点。我们从理论上证明该检测器能捕获同一子类别内物体的对齐关键点。2) 表面骨架生成。基于几何先验从关键点生成一种新型骨架，称为表面骨架，以充分表示关键点捕获的拓扑信息并更好地恢复局部细节。3) 形状细化。我们设计了一个细化子网络，将多尺度表面骨架输入每个递归骨架辅助细化模块以辅助补全过程。实验结果表明，我们的方法在点云补全上达到了最先进的性能。
引用
@article{arxiv.2203.16771,
title = {LAKe-Net: Topology-Aware Point Cloud Completion by Localizing Aligned Keypoints},
author = {Junshu Tang and Zhijun Gong and Ran Yi and Yuan Xie and Lizhuang Ma},
journal= {arXiv preprint arXiv:2203.16771},
year = {2022}
}
备注
10 pages, 8 figures