SoftPool++：一种用于点云补全的编码器-解码器网络
计算机视觉与模式识别
2022-05-10 v1 人工智能
摘要
我们针对点云补全任务提出一种新颖的卷积算子。我们方法的一个显著特点是，与相关工作相反，它不需要任何最大池化或体素化操作。相反，用于在编码器中学习点云嵌入的所提算子，通过特征激活的软池化从点云提取置换不变特征，能够保持细粒度几何细节。这些特征随后被传至解码器架构。由于编码器的压缩，此类架构的典型局限是倾向于丢失输入形状结构的部分。我们提出通过使用专为点云设计的跳跃连接来克服该局限，其中在编码器与解码器对应层之间建立链接。作为这些连接的一部分，我们引入一个变换矩阵，将编码器特征投影至解码器，反之亦然。在 ShapeNet 数据集上基于部分扫描的物体补全任务的定量与定性结果表明，采用我们的方法在低分辨率与高分辨率下均实现了形状补全的 SOTA 性能。
引用
@article{arxiv.2205.03899,
title = {SoftPool++: An Encoder-Decoder Network for Point Cloud Completion},
author = {Yida Wang and David Joseph Tan and Nassir Navab and Federico Tombari},
journal= {arXiv preprint arXiv:2205.03899},
year = {2022}
}
备注
Accepted in International Journal of Computer Vision