神经泊松表面重建：基于点云的分辨率无关形状重建
计算机视觉与模式识别
2023-11-30 v3 偏微分方程分析
摘要
我们提出神经泊松表面重建（nPSR），一种应对从点恢复三维形状挑战的形状重建架构。传统深度神经网络因较高分辨率下的计算复杂度，难以应对常见三维形状离散化技术。为克服该问题，我们利用傅里叶神经算子求解泊松方程，并从有向点云测量中重建网格。nPSR 具有两个主要优势：首先，得益于 FNO 的分辨率无关特性，它能在低分辨率数据上高效训练，同时在高分辨率评估时取得可比性能。该特性支持一次性超分辨率。其次，我们的方法在重建质量上超越现有方法，且可微分并对点采样率具有鲁棒性。总体而言，神经泊松表面重建不仅改善了经典深度神经网络在形状重建中的局限，还在重建质量、运行时间和分辨率无关性方面取得更优结果。
引用
@article{arxiv.2308.01766,
title = {Neural Poisson Surface Reconstruction: Resolution-Agnostic Shape Reconstruction from Point Clouds},
author = {Hector Andrade-Loarca and Julius Hege and Daniel Cremers and Gitta Kutyniok},
journal= {arXiv preprint arXiv:2308.01766},
year = {2023}
}