NeuroGauss4D-PCI：用于点云插值的4D神经场和高斯变形场
计算机视觉与模式识别
2025-03-06 v1 人工智能
摘要
点云插值面临点稀疏、复杂时空动态以及从稀疏时间信息推导完整3D点云的困难等挑战。本文提出了NeuroGauss4D-PCI，它在建模不同动态场景中的复杂非刚性变形方面表现出色。该方法首先是一个迭代高斯云软聚类模块，提供结构化的时间点云表示。提出的时间径向基函数高斯残差利用高斯参数随时间插值，实现平滑参数过渡并捕获高斯分布的时间残差。此外，4D高斯变形场跟踪这些参数的演化，创建连续的时空变形场。4D神经场将低维时空坐标(x,y,z,t)转换为高维潜在空间。最后，我们自适应且高效地融合来自神经场的潜在特征和来自高斯变形场的几何特征。NeuroGauss4D-PCI在点云帧插值方面优于现有方法，在对象级（DHB）和大规模自动驾驶数据集（NL-Drive）上均取得领先性能，并可扩展到自动标注和点云稠密化任务。源代码发布在https://github.com/jiangchaokang/NeuroGauss4D-PCI。
引用
@article{arxiv.2405.14241,
title = {NeuroGauss4D-PCI: 4D Neural Fields and Gaussian Deformation Fields for Point Cloud Interpolation},
author = {Chaokang Jiang and Dalong Du and Jiuming Liu and Siting Zhu and Zhenqiang Liu and Zhuang Ma and Zhujin Liang and Jie Zhou},
journal= {arXiv preprint arXiv:2405.14241},
year = {2025}
}
备注
Under review