NerVE：用于从点云提取参数化曲线的神经体积边表示
计算机视觉与模式识别
2023-03-30 v1
摘要
从点云中提取参数化边曲线是三维视觉与几何处理中的基本问题。现有方法主要依赖关键点检测，这一具有挑战性的过程易产生噪声输出，使后续边提取易出错。为解决此问题，我们提出直接检测结构化边，以规避先前逐点方法的局限。我们通过提出 NerVE 实现该目标，这是一种新颖的神经体积边表示，可轻易通过体积学习框架学习。NerVE 能无缝转换为通用的分段线性(PWL)曲线表示，从而实现对各类自由曲线的统一学习策略。此外，由于 NerVE 编码了丰富的结构信息，我们表明基于 NerVE 的边提取可简化为简单的图搜索问题。将 NerVE 转换为 PWL 表示后，可通过现成的样条拟合算法获得参数化曲线。我们在具挑战性的 ABC 数据集上评估了我们的方法。我们展示，基于 NerVE 的简单网络已能大幅超越先前最优方法。项目页面：https://dongdu3.github.io/projects/2023/NerVE/。
引用
@article{arxiv.2303.16465,
title = {NerVE: Neural Volumetric Edges for Parametric Curve Extraction from Point Cloud},
author = {Xiangyu Zhu and Dong Du and Weikai Chen and Zhiyou Zhao and Yinyu Nie and Xiaoguang Han},
journal= {arXiv preprint arXiv:2303.16465},
year = {2023}
}
备注
Accepted by CVPR2023. Project page: https://dongdu3.github.io/projects/2023/NerVE/