NoiseTrans：基于 Transformer 的点云去噪方法
计算机视觉与模式识别
2023-04-25 v1
摘要
通过捕获设备或三维重建技术获得的点云通常含有噪声，会干扰下游任务。本文旨在恢复含噪点云的潜在表面。我们设计了一种新颖的模型 NoiseTrans，其利用 transformer 编码器架构进行点云去噪。具体而言，我们在 transformer 核心自注意力机制的辅助下获取基于点的点云的结构相似性。通过将含噪点云表示为一组无序向量，我们将点云转换为点嵌入，并采用 Transformer 生成干净的点云。为使 Transformer 在感知点云时保留细节，我们设计了局部点注意力（Local Point Attention）以防止点云被过度平滑。此外，我们还提出了稀疏编码，使 Transformer 能更好地感知点云的结构关系并提升去噪性能。实验表明，我们的模型在各种数据集和噪声环境下均优于当前最先进（SOTA）方法。
引用
@article{arxiv.2304.11812,
title = {NoiseTrans: Point Cloud Denoising with Transformers},
author = {Guangzhe Hou and Guihe Qin and Minghui Sun and Yanhua Liang and Jie Yan and Zhonghan Zhang},
journal= {arXiv preprint arXiv:2304.11812},
year = {2023}
}