Noise2Score3D：基于 Tweedie 方法的无监督点云去噪
计算机视觉与模式识别
2025-10-08 v3
摘要
基于贝叶斯统计和图像去噪的最新进展，我们提出 Noise2Score3D，一个完全无监督的点云去噪框架。Noise2Score3D 直接从噪声数据学习底层点云分布的得分函数，无需训练期间的干净数据。利用 Tweedie 公式，我们的方法在单步内完成去噪，避免了现有无监督方法中常见的迭代过程，从而提升准确性和效率。此外，我们引入了用于点云的总变差 (Total Variation) 作为去噪质量度量标准，允许估计未知噪声参数。实验结果表明，Noise2Score3D 在标准基准数据集上实现了在 Chamfer 距离和点到网格度量标准下无监督学习方法中领先的性能。Noise2Score3D 还显示出强大的跨数据集泛化能力。我们的 method 通过解决无干净数据学习中方法的泛化问题与挑战，为实际应用中的基于学习的点云去噪方法铺平了道路。
引用
@article{arxiv.2503.09283,
title = {Noise2Score3D: Tweedie's Approach for Unsupervised Point Cloud Denoising},
author = {Xiangbin Wei and Yuanfeng Wang and Ao XU and Lingyu Zhu and Dongyong Sun and Keren Li and Yang Li and Qi Qin},
journal= {arXiv preprint arXiv:2503.09283},
year = {2025}
}
备注
arXiv admin note: substantial text overlap with arXiv:2502.16826