.png){kind=icon}
返回
SPAC-Net: Rethinking Point Cloud Completion With Structural Prior
.png){kind=icon}
PRE
AI
DOI：10.1109/TVCG.2024.3507013.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
点云补全旨在从一个部分观测中推断出完整的形状。许多方法利用纯编码器-解码器范式，其中可以通过从部分扫描中学习的形状先验直接预测完整形状，但这些方法由于特征抽象问题不可避免地导致细节丢失。在本文中，我们提出了一种新颖的框架，称为SPAC-Net，旨在在新结构先验的指导下重新思考补全任务，我们称之为界面。具体来说，我们的方法首先研究边缘检测器（MAD）模块来定位界面，定义为已知观测与缺失部分之间的交界面。基于界面，我们的方法通过学习从界面中的点移动到缺失部分中对应位置处的位移来预测粗略形状。此外，我们在上采样阶段之前设计了一个额外的结构补充（SSP）模块，以增强粗略形状的结构细节，使上采样模块能够更专注于上采样任务。在几个具有挑战性的基准测试上进行了大量实验，结果表明我们的方法优于现有的最先进方法。
Keyword:
Point cloud analysis
point cloud completion
3D shape reconstruction
3D shape generation
期刊
IF:
6.5
论文数:
309
被引数:
2.2W
机构
引用论文
.png){kind=icon}
分享收藏ProxyFormer: Proxy Alignment Assisted Point Cloud Completion with Missing Part Sensitive Transformer
OAAI
OAAI分享收藏
查看更多内容