PU-GAN：一种点云上采样对抗网络
计算机视觉与模式识别
2019-07-26 v1
摘要
从距离扫描获取的点云通常稀疏、含噪且分布不均。本文提出一种基于生成对抗网络（GAN）构建的新点云上采样网络 PU-GAN，以从潜空间学习丰富多样的点分布，并在物体表面局部块上实现点上采样。为实现可用的 GAN 网络，我们在生成器中构建具有误差反馈与自校正功能的上-下-上扩展单元用于上采样点特征，并设计自注意力单元以增强特征整合。此外，我们提出一种包含对抗、均匀与重建项的复合损失，以促使判别器学习更多潜模式并提升输出点的分布均匀性。定性与定量评估表明，在分布均匀性、近表面程度以及三维重建质量方面，我们的结果优于现有最优方法。
引用
@article{arxiv.1907.10844,
title = {PU-GAN: a Point Cloud Upsampling Adversarial Network},
author = {Ruihui Li and Xianzhi Li and Chi-Wing Fu and Daniel Cohen-Or and Pheng-Ann Heng},
journal= {arXiv preprint arXiv:1907.10844},
year = {2019}
}
备注
accepted by ICCV2019, project page at https://liruihui.github.io/publication/PU-GAN