MergeNet：基于边预测从稀疏点云重建显式网格
计算机视觉与模式识别
2024-07-17 v1
摘要
本文提出一种新方法，通过预测边连接来从稀疏点云重建网格。现有隐式方法通常利用等值面提取算法（如 Marching Cubes）生成平滑完整的网格，但随着分辨率的提升，这些方法在内存和计算上的开销会显著增加。显式方法通过直接从点构建面板更高效，但从海量候选中选择合适的面板常导致不理想的面板和孔洞。此外，两种方法的重建性能在点云变稀疏时都会恶化。为此，我们提出MEh Reconstruction via edGE（MergeNet），将网格重建转化为局部连接预测问题。具体而言，MergeNet学习从候选边中提取特征并回归其到底层表面的距离。随后利用预测距离筛选出位于表面上的边，再通过这些边形成的三角形网格进行精细化。在合成数据集和真实扫描数据集上的大量实验表明，MergeNet 在显式方法中显著优于 SoTA。
引用
@article{arxiv.2407.11610,
title = {MergeNet: Explicit Mesh Reconstruction from Sparse Point Clouds via Edge Prediction},
author = {Weimin Wang and Yingxu Deng and Zezeng Li and Yu Liu and Na Lei},
journal= {arXiv preprint arXiv:2407.11610},
year = {2024}
}