非局部部件感知的点云去噪
计算机视觉与模式识别
2020-03-17 v1
摘要
本文提出一种新颖的非局部部件感知深度神经网络，通过挖掘三维物体与场景固有的非局部自相似性来对点云去噪。不同于现有工作挖掘小的局部块，我们设计了定制有图注意力模块的非局部学习单元（NLU），以自适应地捕获整个点云上非局部的语义相关特征。为提升去噪性能，我们级联一系列 NLU 以从含噪输入中逐步蒸馏噪声特征。此外，除常规的曲面重建损失外，我们构建了语义部件损失，以正则化预测朝向相关部件并以部件感知方式进行去噪。最后，我们进行了大量实验，从定量与定性上评估我们的方法，并证明其在合成与真实扫描含噪输入上相对于当前最优方法的优越性。
引用
@article{arxiv.2003.06631,
title = {Non-Local Part-Aware Point Cloud Denoising},
author = {Chao Huang and Ruihui Li and Xianzhi Li and Chi-Wing Fu},
journal= {arXiv preprint arXiv:2003.06631},
year = {2020}
}