基于Transformer的表面法线估计
计算机视觉与模式识别
2024-01-12 v1
摘要
我们提出使用Transformer从带有噪声和密度变化的点云中精确预测法线。以往基于学习的方法利用PointNet变体在不同输入尺度上显式提取多尺度特征，然后聚焦于一种曲面拟合方法，将局部点云邻域拟合到由多项式函数或多层感知机（MLP）近似的几何曲面上。然而，将曲面拟合到固定阶数的多项式函数可能会出现过拟合或欠拟合，而学习MLP表示的超曲面则需要预先生成逐点权重。为避免这些局限，我们首先统一了先前工作中的设计选择，然后提出一种简化的基于Transformer的模型，为表面法线估计任务提取更丰富、更鲁棒的几何特征。通过大量实验，我们证明基于Transformer的方法在合成形状数据集PCPNet和真实世界室内场景数据集SceneNN上均达到了最先进的性能，表现出更强的抗噪能力和显著更快的推理速度。最重要的是，我们证明了现有工作中复杂的手工设计模块并非在表面法线估计任务中取得优异表现所必需的。
引用
@article{arxiv.2401.05745,
title = {Surface Normal Estimation with Transformers},
author = {Barry Shichen Hu and Siyun Liang and Johannes Paetzold and Huy H. Nguyen and Isao Echizen and Jiapeng Tang},
journal= {arXiv preprint arXiv:2401.05745},
year = {2024}
}