ShapeFormer：基于 Transformer 的稀疏表示形状补全
计算机视觉与模式识别
2022-05-24 v3 图形学
机器学习
摘要
我们提出 ShapeFormer，一种基于 transformer 的网络，其在不完整且可能有噪声的点云条件下生成物体补全结果的分布。随后可对该分布进行采样以生成可能的补全结果，每个结果既展现合理的形状细节又忠实于输入。为促进 transformer 在 3D 上的使用，我们引入了紧凑的 3D 表示——矢量量化深度隐函数，其利用空间稀疏性，通过短序列的离散变量表示 3D 形状的紧密近似。实验表明，对于来自模糊局部输入的形状补全，ShapeFormer 在补全质量和多样性方面均优于先前方法。我们还展示了我们的方法能有效处理多种形状类型、不完整模式以及真实世界扫描数据。
引用
@article{arxiv.2201.10326,
title = {ShapeFormer: Transformer-based Shape Completion via Sparse Representation},
author = {Xingguang Yan and Liqiang Lin and Niloy J. Mitra and Dani Lischinski and Daniel Cohen-Or and Hui Huang},
journal= {arXiv preprint arXiv:2201.10326},
year = {2022}
}
备注
Project page: https://shapeformer.github.io/