Contrastive Attention-Based Network for Self-Supervised Point Cloud Completion

doi:10.1109/LSP.2025.3631424

Contrastive Attention-Based Network for Self-Supervised Point Cloud Completion

2025-01-01

0

PRE

AI

DOI：10.1109/LSP.2025.3631424

原文链接

原文求助

摘要

En 中文

点云补全旨在从部分观测数据中重建完整的3D形状，通常需要多视角或完整数据用于训练。在本文中，我们提出了一种基于注意力驱动的自监督自编码器网络，能够从单个部分观测数据完成3D点云。多头自注意力捕捉鲁棒性的上下文关系，而自编码器中的残差连接增强了几何特征学习。除此之外，我们还引入了一种基于对比学习的损失函数，该函数鼓励网络即使在高度不完整的观测数据中也能更好地区分结构模式。在基准数据集上的实验结果表明，所提出的方法在单视角点云补全任务上达到了最先进（state-of-the-art）的性能。

Keyword:

Auto-encoder

multi-head self-attention

point cloud completion

contrastive learning

and self-supervision

Contrastive Attention-Based Network for Self-Supervised Point Cloud Completion

摘要

期刊

机构

引用论文