通过样本选择细化三维点云法线估计
计算机视觉与模式识别
2024-06-28 v1 图形学
摘要
近年来，点云法线估计作为一种经典且基础的算法，因其在三维几何处理领域的广泛关注而受到重视。尽管当前基于神经网络的方法在性能方面取得了显著成果，但其鲁棒性仍受训练数据质量和模型性能的影响。在本研究中，我们设计了一个基础框架用于法线估计，通过引入全局信息和各种约束机制来增强现有模型。此外，我们采用基于置信度的策略来选择合理的样本，以实现公平且稳健的网络训练。所引入的样本置信度可以集成到损失函数中，以平衡不同样本对模型训练的影响。最后，我们利用现有的方向方法来纠正估计的非定向法线，实现了在定向和非定向任务中的最先进性能。大量实验结果表明，我们的方法在广泛使用的基准数据集上表现良好。
引用
@article{arxiv.2406.18541,
title = {Refining 3D Point Cloud Normal Estimation via Sample Selection},
author = {Jun Zhou and Yaoshun Li and Hongchen Tan and Mingjie Wang and Nannan Li and Xiuping Liu},
journal= {arXiv preprint arXiv:2406.18541},
year = {2024}
}