StraightPCF：直线点云滤波

点云滤波是一项基础的3D视觉任务，旨在去除噪声的同时恢复底层的干净表面。现有SOTA方法通过将噪声点沿随机轨迹移动到干净表面来去除噪声。这些方法通常需要在训练目标和/或后处理过程中进行正则化，以确保保真度。在本文中，我们提出了一种新的基于深度学习的点云滤波方法StraightPCF。它通过将噪声点沿直线路径移动来工作，从而在确保更快收敛到干净表面的同时减少离散化误差。我们将噪声块建模为高噪声块变体与其干净对应物之间的中间状态，并设计了VelocityModule来推断从前者到后者的恒定流速。这种恒定流导致了直线滤波轨迹。此外，我们引入了DistanceModule，它使用估计的距离标量来缩放直线轨迹，以在干净表面附近实现收敛。我们的网络是轻量级的，仅有 $\sim530K$ 参数，是IterativePFN（一种最新的点云滤波网络）的17%。在合成和真实数据上的大量实验表明，我们的方法取得了SOTA结果。我们的方法还展示了滤波点的良好分布，而无需正则化。实现代码可在：https://github.com/ddsediri/StraightPCF 找到。