通过解耦细化进行点云上采样
计算机视觉与模式识别
2021-06-10 v1
摘要
3D扫描生成的点云通常稀疏、非均匀且含噪。近期的上采样方法旨在生成稠密点集，同时在单一网络中实现分布均匀性、贴近表面，并可能修补小孔洞。重新审视该任务后，我们基于其多目标特性提出将任务解耦，并构建两个级联子网络：一个稠密生成器与一个空间细化器。稠密生成器推断出一个粗略但稠密、大致描述底层表面的输出，而空间细化器通过调整各点位置进一步微调该粗略输出。具体而言，我们在空间细化器中设计了一对局部与全局细化单元以演进粗略特征图。此外，在空间细化器中，我们回归一个逐点偏移向量，以在细尺度上进一步调整粗略输出。在合成与真实扫描数据集上的大量定性与定量结果表明，我们的方法优于SOTA方法。
引用
@article{arxiv.2106.04779,
title = {Point Cloud Upsampling via Disentangled Refinement},
author = {Ruihui Li and Xianzhi Li and Pheng-Ann Heng and Chi-Wing Fu},
journal= {arXiv preprint arXiv:2106.04779},
year = {2021}
}
备注
CVPR 2021, website https://liruihui.github.io/