保持拓扑与几何嵌入用于点云恢复
计算机视觉与模式识别
2025-12-23 v3
摘要
点云恢复涉及抽样和恢复的序列过程，但现有方法难以有效利用拓扑和几何属性。为此，我们提出了一个端到端架构，名为 TopGeoFormer，旨在在抽样和恢复阶段保持这些关键属性。首先，我们重新审视了传统特征提取技术，生成基于连续映射的相邻点相对关系的拓扑嵌入，并在两个阶段中集成以保持原始空间结构。其次，我们提出了 InterTwining Attention 以充分融合拓扑和几何嵌入，该注意力机制在两个阶段中查询具有局部感知能力的形状，从而形成一个具有点、点-形状和形状内特征的可学习 3D 形状语境。第三，我们引入了完整的几何损失和拓扑约束损失，以优化两个空间中的嵌入。在欧几里得空间中，几何损失使用粗到细生成与目标之间的不一致匹配，以重建更好的几何细节；拓扑约束损失限制嵌入的方差，以更好地逼近拓扑空间。在实验中，我们全面分析了使用常规和基于学习的抽样/上采样/恢复算法的情形。定量和定性结果表明，我们的方法显著优于现有的抽样和恢复方法。
引用
@article{arxiv.2507.19121,
title = {Preserving Topological and Geometric Embeddings for Point Cloud Recovery},
author = {Kaiyue Zhou and Zelong Tan and Hongxiao Wang and Ya-Li Li and Shengjin Wang},
journal= {arXiv preprint arXiv:2507.19121},
year = {2025}
}
备注
Accepted to AAAI 202