重访点云完成：我们是否准备好了真实世界？
计算机视觉与模式识别
2025-03-12 v4
摘要
在受限、具有挑战性、不可控且多传感器的真实世界环境中获取的点云是噪声的、不完整的，且稀疏程度不均匀。这为关键任务——点云完成——带来严峻挑战。我们利用代数拓扑工具和持久同调(PH)，展示当前基准对象点云缺乏真实环境中捕获的点云所必需的丰富拓扑特征。为促进此方向的研究，我们贡献了第一个真实世界工业数据集用于点云完成，RealPC——一个多样化、丰富且多样化的点云集合。它包含约40,000对点云，覆盖21个工业结构类别。多个强基准方法的基准结果揭示，现有方法在真实世界情景下失败。我们发现一个惊人的观察——与当前数据集不同，RealPC包含多个0-和1维PH-based拓扑特征。我们证明，将这些拓扑先验整合到现有方法中有助于改进完成效果。我们展示了如何利用0维PH先验从完成形状的全局拓扑形式的3D骨架中提取信息，协助模型生成拓扑一致的完整形状。由于计算同调成本高昂，我们提出了简单的、有效的Homology采样器导网络BOSHNet，通过采样类似0维PH的代理背bone来规避同调计算。这些backbone从训练初期即可提供0维PH的类似好处，而与类似方法不同，后者仅在训练后期才获得准确的backbone。
引用
@article{arxiv.2411.17580,
title = {Revisiting Point Cloud Completion: Are We Ready For The Real-World?},
author = {Stuti Pathak and Prashant Kumar and Dheeraj Baiju and Nicholus Mboga and Gunther Steenackers and Rudi Penne},
journal= {arXiv preprint arXiv:2411.17580},
year = {2025}
}