用于点云去噪的图卷积表示学习
计算机视觉与模式识别
2020-07-07 v1 图形学
图像与视频处理
摘要
点云是一种日益重要的数据类型，但常受噪声污染。我们提出了一种基于图卷积层的深度神经网络，能够优雅地处理基于学习的点云处理方法所面临的置换不变性问题。该网络为全卷积结构，可通过根据点的高维特征表示之间的相似性动态构建邻域图来建立复杂的特征层次。当结合促进逼近理想表面的损失函数时，所提方法在多种指标上显著优于当前最优方法。特别地，它能够在 Chamfer 距离以及由去噪数据估计的表面法线质量方面取得改进。我们还表明，该方法在高噪声水平下以及存在如真实 LiDAR 扫描中所遇结构化噪声时均尤为鲁棒。
引用
@article{arxiv.2007.02578,
title = {Learning Graph-Convolutional Representations for Point Cloud Denoising},
author = {Francesca Pistilli and Giulia Fracastoro and Diego Valsesia and Enrico Magli},
journal= {arXiv preprint arXiv:2007.02578},
year = {2020}
}
备注
European Conference on Computer Vision (ECCV) 2020