論文の概要: PF-Net: Point Fractal Network for 3D Point Cloud Completion

• arxiv url: http://arxiv.org/abs/2003.00410v1
• Date: Sun, 1 Mar 2020 05:40:21 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-27 13:12:35.888817
• Title: PF-Net: Point Fractal Network for 3D Point Cloud Completion
• Title（参考訳）: PF-Net:3Dポイントクラウドコンプリートのためのポイントフラクタルネットワーク
• Authors: Zitian Huang, Yikuan Yu, Jiawen Xu, Feng Ni, and Xinyi Le
• Abstract要約: ポイントフラクタルネットワーク(PF-Net)は、正確かつ高忠実なポイントクラウド補完のための新しい学習ベースのアプローチである。 PF-Netは不完全点雲の空間配置を保存し、その予測において欠落領域の詳細な幾何学的構造を把握できる。 本実験は,いくつかの難点クラウド完了タスクにおいて,本手法の有効性を示すものである。
• 参考スコア（独自算出の注目度）: 6.504317278066694
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we propose a Point Fractal Network (PF-Net), a novel learning-based approach for precise and high-fidelity point cloud completion. Unlike existing point cloud completion networks, which generate the overall shape of the point cloud from the incomplete point cloud and always change existing points and encounter noise and geometrical loss, PF-Net preserves the spatial arrangements of the incomplete point cloud and can figure out the detailed geometrical structure of the missing region(s) in the prediction. To succeed at this task, PF-Net estimates the missing point cloud hierarchically by utilizing a feature-points-based multi-scale generating network. Further, we add up multi-stage completion loss and adversarial loss to generate more realistic missing region(s). The adversarial loss can better tackle multiple modes in the prediction. Our experiments demonstrate the effectiveness of our method for several challenging point cloud completion tasks.
• Abstract（参考訳）: 本稿では,高精度・高忠実度ポイントクラウド補完のための新しい学習ベースアプローチである点フラクタルネットワーク(pf-net)を提案する。 不完全点雲から点雲の全体形状を生成し、常に既存の点を変え、ノイズや幾何学的損失に遭遇する既存の点雲完了ネットワークとは異なり、pf-netは不完全点雲の空間配置を保存し、予測において欠落領域の詳細な幾何学的構造を把握できる。 このタスクを成功させるために、PF-Netは特徴点ベースのマルチスケール生成ネットワークを利用して、欠落点クラウドを階層的に推定する。 さらに,多段階の完了損失と敵対的損失を加味して,より現実的な欠落領域を生成する。 敵の損失は、予測において複数のモードに対処できる。 本実験は,いくつかの難易度点クラウド補完タスクにおける提案手法の有効性を実証する。

関連論文リスト

• PointAttN: You Only Need Attention for Point Cloud Completion [89.88766317412052]
  ポイント・クラウド・コンプリート(Point cloud completion)とは、部分的な3次元ポイント・クラウドから3次元の形状を完成させることである。 そこで我々は,kNNを除去するために,ポイントクラウドをポイント単位に処理する新しいニューラルネットワークを提案する。 提案するフレームワークであるPointAttNはシンプルで簡潔で効果的であり、3次元形状の構造情報を正確に捉えることができる。
  論文  参考訳（メタデータ） (2022-03-16T09:20:01Z)
• PMP-Net++: Point Cloud Completion by Transformer-Enhanced Multi-step Point Moving Paths [60.32185890237936]
  我々は、地球移動体の動作を模倣する新しいニューラルネットワーク、PMP-Net++を設計する。 不完全入力の各点を移動させ、点移動経路(PMP)の総距離が最短となる完全点雲を得る。 ネットワークは点レベルの厳密でユニークな対応を学習し、予測された完全形状の品質を向上させる。
  論文  参考訳（メタデータ） (2022-02-19T03:00:40Z)
• Point cloud completion on structured feature map with feedback network [28.710494879042002]
  本稿では,FSNetを提案する。FSNetは,ポイントワイドな特徴を適応的に2次元構造的特徴マップに集約できる機能構造化モジュールである。 2次元畳み込みニューラルネットワークを用いて、FSNetから粗い完全点クラウドに特徴マップをデコードする。 点雲アップサンプリングネットワークを用いて、部分入力と粗い中間出力から高密度点雲を生成する。
  論文  参考訳（メタデータ） (2022-02-17T10:59:40Z)
• A Conditional Point Diffusion-Refinement Paradigm for 3D Point Cloud Completion [69.32451612060214]
  実スキャンされた3Dポイントクラウドはしばしば不完全であり、下流アプリケーションのために完全なポイントクラウドを復元することが重要である。 ほとんどの既存のポイントクラウド補完方法は、トレーニングにチャンファー距離(CD)損失を使用する。 本稿では,点雲完了のためのPDR(Point Diffusion-Refinement)パラダイムを提案する。
  論文  参考訳（メタデータ） (2021-12-07T06:59:06Z)
• PMP-Net: Point Cloud Completion by Learning Multi-step Point Moving Paths [54.459879603473034]
  我々はPMP-Netと呼ばれる新しいニューラルネットワークを設計し、地球移動体の動作を模倣する。 不完全な入力の各点を移動させ、ポイントクラウドを完結させ、ポイント移動パスの合計距離が最も短くなる。 点レベルの厳密でユニークな対応を学習し、不完全な形状と完全なターゲットの間の詳細なトポロジーと構造的関係を捉えることができる。
  論文  参考訳（メタデータ） (2020-12-07T01:34:38Z)
• GRNet: Gridding Residual Network for Dense Point Cloud Completion [54.43648460932248]
  完全な3Dポイントクラウドを不完全なクラウドから推定することは、多くのビジョンやロボティクスアプリケーションにおいて重要な問題である。 本稿では,ポイントクラウド補完のための新しいGridding Residual Network(GRNet)を提案する。 実験結果から,提案したGRNetはShapeNet,Completion3D,KITTIベンチマークの最先端手法に対して良好に動作することがわかった。
  論文  参考訳（メタデータ） (2020-06-06T02:46:39Z)
• Point Cloud Completion by Skip-attention Network with Hierarchical Folding [61.59710288271434]
  本研究では,3Dポイントクラウド補完のためのSkip-Attention Network (SA-Net)を提案する。 まず,不完全点雲の局所構造を効果的に活用するためのスキップアテンション機構を提案する。 第二に、異なる解像度でスキップアテンション機構によって符号化された選択された幾何情報を完全に活用するために、新しい構造保存デコーダを提案する。
  論文  参考訳（メタデータ） (2020-05-08T06:23:51Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。