重新思考多模态点云完成：一种完成-纠正的视角

点云完成旨在从部分观察中重建完整的 3D 形状，由于严重的遮挡和缺失几何结构，这是一项具有挑战性的任务。尽管最近在多模态技术方面取得了进展，这些技术利用互补的 RGB 图像来弥补缺失的几何信息，但大多数方法仍遵循基于填充的完成范式，从融合后的特征中合成缺失的结构。我们通过实证研究表明，这种范式常常导致结构不一致和拓扑瑕疵，由于几何和语义约束有限。为此，我们重新思考了该任务，提出了一种更稳健的范式，称为完成-纠正范式，该范式以预训练的图像到 3D 模型生成的拓扑完整形状先验开始，通过特征空间纠正来将其与部分观察对齐。这种范式将完成从无约束的合成转变为受引导的细化，实现结构一致且与观察对齐的重建。基于此范式，我们引入了 PGNet，一个多阶段框架，通过双特征编码将生成先验锚定在特征空间中，合成粗糙但结构对齐的框架，再通过分层纠正逐步细化几何细节。在 ShapeNetViPC 数据集上的实验表明，PGNet 在平均 Chamfer 距离上比最先进的基线方法提升了 23.5%，F 分数提升了 7.1%。