PU-MFA：基于多尺度特征注意力的点云上采样
计算机视觉与模式识别
2022-08-24 v1
摘要
近来，随着3D扫描仪技术的发展，使用点云的研究日益增多。顺应此趋势，对高质量点云的需求不断增长，但获取高质量点云成本高昂的问题依然存在。因此，随着深度学习的显著发展，利用深度学习从低质量点云生成高质量点云的点云上采样研究成为备受关注的领域之一。本文提出一种称为基于多尺度特征注意力的点云上采样（PU-MFA）的新方法。受先前报道多尺度特征或注意力机制表现良好的研究启发，PU-MFA通过U-Net结构将二者融合。此外，PU-MFA自适应利用多尺度特征以有效精炼全局特征。我们使用合成点云数据集PU-GAN与真实扫描点云数据集KITTI，通过多种实验将PU-MFA与其他SOTA方法比较。在各实验结果中，PU-MFA在定量与定性评估上均展现出优于其他SOTA方法的性能，证明了所提方法的有效性。我们还可视化了PU-MFA的注意力图以展示多尺度特征的效果。
引用
@article{arxiv.2208.10968,
title = {PU-MFA : Point Cloud Up-sampling via Multi-scale Features Attention},
author = {Hyungjun Lee and Sejoon Lim},
journal= {arXiv preprint arXiv:2208.10968},
year = {2022}
}
备注
11 pages, 9 figures, 2 tables