SRPCN：基于结构检索的点云补全网络
计算机视觉与模式识别
2023-03-21 v3
摘要
给定部分物体和一些完整物体作为参考，点云补全旨在恢复真实的形状。然而，现有方法很少关注通用形状，导致补全结果的真实性较差。此外，现实中的缺失模式多种多样，但现有方法只能处理固定的缺失模式，意味着泛化能力较弱。考虑到部分点云是相应完整点云的一个子集，我们将它们视为同一分布的不同样本，并提出基于结构检索的点云补全网络（SRPCN）。它首先使用k-means聚类提取结构点并将其离散为分布，然后使用KL散度作为度量在数据库中找到与输入最匹配的完整结构点云。最后，采用类PCN的解码器网络基于检索到的结构点云生成最终结果。由于结构在描述物体通用形状方面起着重要作用，且所提出的结构检索方法对缺失模式具有鲁棒性，实验表明我们的方法能生成更真实的结果并具有更强的泛化能力。
引用
@article{arxiv.2202.02669,
title = {SRPCN: Structure Retrieval based Point Completion Network},
author = {Kaiyi Zhang and Ximing Yang and Yuan Wu and Cheng Jin},
journal= {arXiv preprint arXiv:2202.02669},
year = {2023}
}
备注
I think the proposed method has some defects