通过形状先验学习实现点云补全
计算机视觉与模式识别
2021-07-16 v2 机器学习
图像与视频处理
摘要
针对点云补全中物体细节重建困难的问题，我们提出一种用于物体补全的形状先验学习方法。形状先验包含完整点云与部分点云中的几何信息。我们设计了一种特征对齐策略以从完整点中学习形状先验，以及一种由粗到细策略以在细化阶段融入部分先验。为学习完整物体先验，我们首先训练一个点云自编码器从完整点中提取潜在嵌入。然后我们通过优化特征对齐损失学习一个映射，将部分点的点特征迁移至完整点的点特征。特征对齐损失由 L2 距离与通过最大均值差异生成对抗网络（MMD-GAN）获得的对抗损失组成。L2 距离在特征空间中将部分特征向完整特征优化，MMD-GAN 在再生核希尔伯特空间中减小两点特征的统计距离。我们在点云补全任务上取得了 SOTA 性能。我们的代码可见于 https://github.com/xiaogangw/point-cloud-completion-shape-prior。
引用
@article{arxiv.2008.00394,
title = {Point Cloud Completion by Learning Shape Priors},
author = {Xiaogang Wang and Marcelo H Ang and Gim Hee Lee},
journal= {arXiv preprint arXiv:2008.00394},
year = {2021}
}
备注
IROS 2020