POCO：用于表面重建的点卷积

隐式神经网络已成功用于从点云进行表面重建。然而，其中许多方法面临可扩展性问题，因为它们将整个物体或场景的等值面函数编码为单个潜在向量。为克服这一限制，一些方法在粗糙的规则三维网格或三维块上推断潜在向量，并插值以回答占据查询。这样做时，它们失去了与物体表面采样得到的输入点的直接联系，并且将信息均匀地附着在空间中，而非附着在最关键的地方，即表面附近。此外，依赖固定块大小可能需要离散化调参。为解决这些问题，我们提出使用点云卷积并在每个输入点处计算潜在向量。然后，我们使用推断的权重在最近邻上执行基于学习的插值。在物体和场景数据集上的实验表明，我们的方法在大多数经典指标上显著优于其他方法，生成更精细的细节并更好地重建更薄的体积。代码可在 https://github.com/valeoai/POCO 获取。