基于非平衡最优输运的无监督点云补全

无配对点云补全在实际应用中至关重要，因为完整点云的真实数据往往不可得。通过从无配对的不完整点云和完整点云数据中学习补全映射，该任务避免了对配对数据集的依赖。在本文中，我们提出了一种名为“耗债最优输运映射用于无配对点云补全（\textbf{UOT-UPC}）”的模型，该模型将无配对补全任务形式化为（非平衡）最优输运（OT）问题。我们的方法采用神经网络学习UOT映射的神经OT模型。本文是首次尝试利用UOT进行无配对点云补全，旨在在单类别和多类别基准测试中实现竞争甚至更优的性能。特别地，我们的方法在面对经常遇到的类别不平衡问题时尤为稳健，这在实际无配对点云补全场景中常见。代码已公开于 https://github.com/LEETK99/UOT-UPC。