SPCNet：逐步点云补全网络
计算机视觉与模式识别
2022-09-07 v1 图形学
摘要
你将如何修复具有大面积缺失的物理物体？你可能会先恢复其全局而粗糙的形状，再逐步增加其局部细节。受上述物理修复过程启发，我们着手解决点云补全任务。我们提出一种新颖的逐步点云补全网络（SPCNet），用于具有大面积缺失的各类 3D 模型。SPCNet 具有自底向上的分层网络架构。它以迭代方式完成形状补全：1）首先推断粗糙结果的全局特征；2）然后借助全局特征推断局部特征；3）最后在局部特征与粗糙结果的辅助下推断细节结果。除模拟物理修复的智慧外，我们新设计了基于循环损失的训练策略，以增强 SPCNet 的泛化性与鲁棒性。大量实验清晰表明，在具有大面积缺失的 3D 点云上，我们的 SPCNet 优于现有最优方法。
引用
@article{arxiv.2209.01746,
title = {SPCNet: Stepwise Point Cloud Completion Network},
author = {Fei Hu and Honghua Chen and Xuequan Lu and Zhe Zhu and Jun Wang and Weiming Wang and Fu Lee Wang and Mingqiang Wei},
journal= {arXiv preprint arXiv:2209.01746},
year = {2022}
}