自监督大规模点云补全用于考古遗址修复
计算机视觉与模式识别
2025-03-07 v1
摘要
点云补全有助于恢复遭受遮挡的部分不完整点云。现有的自监督方法难以对具有缺失表面和可用点分布不均的大型物体进行高保真补全。在本文中，我们提出了一种在有限且不平衡的真值条件下恢复大规模点云的新方法。利用感兴趣区域的粗略边界标注，我们将原始点云投影到多投影中心（MCOP）图像中，其中碎片被投影到 5 个通道（RGB、深度和旋转）的图像上。原始点云的补全被转化为对 MCOP 图像中缺失像素的修复。由于缺乏完整结构和现有部分的不平衡分布，我们开发了一种自监督方案，用于学习用类似于现有'完整'块的点来填充 MCOP 图像。施加了特殊的损失函数以进一步增强补全后 MCOP 图像的规则性和一致性，这些图像被映射回 3D 以形成最终修复结果。大量实验证明了我们方法在补全秘鲁 600 余个不完整且分布不均的考古结构方面的优越性。
引用
@article{arxiv.2503.04030,
title = {Self-Supervised Large Scale Point Cloud Completion for Archaeological Site Restoration},
author = {Aocheng Li and James R. Zimmer-Dauphinee and Rajesh Kalyanam and Ian Lindsay and Parker VanValkenburgh and Steven Wernke and Daniel Aliaga},
journal= {arXiv preprint arXiv:2503.04030},
year = {2025}
}
备注
Accepted at CVPR 2025