.png){kind=icon}
返回
Weakly-Supervised Shape Multi-Completion of Point Clouds by Structural Decomposition
.png){kind=icon}
PRE
AI
DOI：10.1109/TVCG.2025.3636413.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
将部分点云转换为完整网格的挑战依然存在，当前方法面临数据可访问性约束、形状保持失败以及真实扫描数据上鲁棒性差等问题。受物体结构信息的启发以增强补全效果，我们提出了一种新颖的弱监督形状补全方法，该方法利用结构分解，且训练过程中无需SDFs。通过将物体表示为抽象的结构框架和部件细节，我们的方法首先预测输入部分点云的结构，然后通过部件分解补全和生成分别恢复每个组件。提取的部件细节以图像形式表示，这些图像是多孔且不完整的。因此，我们利用补全网络来完成这些细节。为生成多种结果，采用基于扩散的生成网络为缺失区域生成多样化的细节。预测的结构和细节随后被转换回网格，得到完整结果。由于细节以图像形式描绘，我们的方法在训练阶段无需SDFs，实现了弱监督。我们在人工和真实扫描数据集上进行了广泛比较，结果表明相比先前方法平均提升超过38.1%，并达到了SOTA性能。
Keyword:
Shape completion
point cloud completion
multi-instance completion
weak supervision
期刊
IF:
6.5
论文数:
346
被引数:
2.2W
机构
引用论文
.png){kind=icon}
CLAY: A Controllable Large-scale Generative Model for Creating High-quality 3D AssetsCLAY: 用于创建高质量3D资产的可控大规模生成模型
OAAI
OAAI分享收藏
查看更多内容