“零样本”点云上采样
计算机视觉与模式识别
2022-04-19 v2
摘要
近期有监督点云上采样方法受限于训练数据规模，且难以覆盖所有物体形状。除数据采集挑战外，网络在未见样本上的泛化也较为困难。本文提出一种整体层面的内部点云上采样方法，称为“零样本”点云上采样(ZSPU)。我们的方法数据与任务无关，仅依赖特定点云提供的内部信息，在自训练与测试阶段均不进行分块。这种单流设计通过学习低分辨率(LR)点云与其高（原始）分辨率(HR)对应点云之间的关系，显著缩短训练时间。该关联在原始点云作为输入载入时，即可输出超分辨率(SR)结果。与其他上采样方法相比，ZSPU在基准数据集上取得了具竞争力或更优的定量与定性表现。
引用
@article{arxiv.2106.13765,
title = {"Zero-Shot" Point Cloud Upsampling},
author = {Kaiyue Zhou and Ming Dong and Suzan Arslanturk},
journal= {arXiv preprint arXiv:2106.13765},
year = {2022}
}
备注
Accepted at ICME 2022