基于能量模型从点云优化隐式神经表示
计算机视觉与模式识别
2023-11-07 v1 机器学习
摘要
从非定向三维点云重建连续表面是三维形状处理中的一项基本任务。近年来，已有若干方法被提出以利用隐式神经表示（INRs）解决该问题。在本研究中，我们提出一种利用能量模型（EBMs）优化INRs的方法。通过将基于坐标的神经网络的绝对值作为能量函数，INR可通过EBM对点云分布的估计进行优化。此外，EBM的适当参数设置使模型能够考虑点云噪声的大小。我们的实验证实，所提方法相比传统表面重建方法对点云噪声更具鲁棒性。
引用
@article{arxiv.2311.02601,
title = {Optimizing Implicit Neural Representations from Point Clouds via Energy-Based Models},
author = {Ryutaro Yamauchi and Jinya Sakurai and Ryo Furukawa and Tatsushi Matsubayashi},
journal= {arXiv preprint arXiv:2311.02601},
year = {2023}
}