LPSR: Lightweight Point Cloud Surface Reconstruction

doi:10.1561/116.20240069

LPSR: Lightweight Point Cloud Surface Reconstruction

2025-01-01

0

OA

AI

DOI：10.1561/116.20240069

原文链接

原文求助

摘要

En 中文

从点云扫描进行表面重建在3D视觉和图形学中至关重要。近期的方法专注于训练深度学习（DL）模型，通过学习先验知识生成表示。这些模型使用神经网络将点云映射为紧凑表示，然后解码这些潜在表示为有符号距离函数（SDFs）。此类方法依赖强监督，并产生高计算成本。此外，它们缺乏对编码表示如何影响最终表面的可解释性。本研究提出了一种计算高效且数学透明的Green Learning（GL）解决方案。我们将其命名为轻量级点云表面重建（LPSR）方法。LPSR通过两步重建表面。首先，它采用前馈方法逐步生成稀疏体素表示；其次，基于各向异性热扩散将表示解码为无符号距离函数（UDFs）。实验结果表明，在FAMOUS、ABC和Thingi10K数据集上，LPSR以适中的模型复杂度实现了与当前最先进的表面重建方法相当的性能。

LPSR: Lightweight Point Cloud Surface Reconstruction

摘要

期刊

机构

引用论文