論文の概要: Point Cloud Completion by Skip-attention Network with Hierarchical Folding

• arxiv url: http://arxiv.org/abs/2005.03871v2
• Date: Mon, 18 May 2020 14:10:05 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-05 12:42:54.855160
• Title: Point Cloud Completion by Skip-attention Network with Hierarchical Folding
• Title（参考訳）: 階層型折り畳み型スキップアテンションネットワークによるポイントクラウドの完成
• Authors: Xin Wen, Tianyang Li, Zhizhong Han, Yu-Shen Liu
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 61.59710288271434
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Point cloud completion aims to infer the complete geometries for missing regions of 3D objects from incomplete ones. Previous methods usually predict the complete point cloud based on the global shape representation extracted from the incomplete input. However, the global representation often suffers from the information loss of structure details on local regions of incomplete point cloud. To address this problem, we propose Skip-Attention Network (SA-Net) for 3D point cloud completion. Our main contributions lie in the following two-folds. First, we propose a skip-attention mechanism to effectively exploit the local structure details of incomplete point clouds during the inference of missing parts. The skip-attention mechanism selectively conveys geometric information from the local regions of incomplete point clouds for the generation of complete ones at different resolutions, where the skip-attention reveals the completion process in an interpretable way. Second, in order to fully utilize the selected geometric information encoded by skip-attention mechanism at different resolutions, we propose a novel structure-preserving decoder with hierarchical folding for complete shape generation. The hierarchical folding preserves the structure of complete point cloud generated in upper layer by progressively detailing the local regions, using the skip-attentioned geometry at the same resolution. We conduct comprehensive experiments on ShapeNet and KITTI datasets, which demonstrate that the proposed SA-Net outperforms the state-of-the-art point cloud completion methods.
• Abstract（参考訳）: ポイントクラウド補完は、不完全な3Dオブジェクトの欠落領域に対する完全なジオメトリを推論することを目的としている。 従来の手法は通常、不完全入力から抽出された大域的な形状表現に基づいて完全点雲を予測する。 しかし、グローバルな表現はしばしば不完全点雲の局所領域における構造詳細の情報損失に悩まされる。 この問題に対処するために,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。 私たちの主な貢献は次の2つです。 まず、欠落部分の推測中に不完全点雲の局所構造の詳細を効果的に活用するためのスキップ注意機構を提案する。 スキップアテンション機構は、異なる解像度で完全なものを生成するために不完全点雲の局所領域から幾何学情報を選択的に伝達し、スキップアテンションが完了プロセスを解釈可能な方法で明らかにする。 第2に,スキップアテンション機構で符号化された幾何情報を異なる解像度で完全に活用するために,階層的な折り畳みを施した新しい構造保存デコーダを提案する。 階層的な折り畳みは、同じ解像度でスキップアテンションされた幾何学を用いて、局所領域を段階的に詳述することにより、上層層層で生成された完全点雲の構造を保存する。 本研究では,ShapeNetとKITTIデータセットの総合的な実験を行い,提案したSA-Netが最先端のクラウド補完手法より優れていることを示す。

関連論文リスト

• Point Cloud Completion Guided by Prior Knowledge via Causal Inference [19.935868881427226]
  本稿では,ポイントPCと呼ばれる新たなクラウド完了タスクを提案する。 Point-PCはメモリネットワークを用いて形状の先行情報を検索し、因果推論モデルを設計し、欠落した形状情報をフィルタリングする。 ShapeNet-55、PCN、KITTIデータセットの実験結果から、Point-PCは最先端の手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-05-28T16:33:35Z)
• Variational Relational Point Completion Network for Robust 3D Classification [59.80993960827833]
  可変点雲補完法は、局所的な詳細を欠くため、大域的な形状の骨格を生成する傾向がある。 本稿では2つの魅力的な特性を持つ変分フレームワークであるポイントコンプリートネットワーク(VRCNet)を提案する。 VRCNetは、現実世界のポイントクラウドスキャンにおいて、非常に一般化性と堅牢性を示している。
  論文  参考訳（メタデータ） (2023-04-18T17:03:20Z)
• 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)
• 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)
• Variational Relational Point Completion Network [41.98957577398084]
  既存のポイントクラウド補完メソッドは、グローバルシェイプスケルトンを生成し、細かいローカル詳細を欠いています。 本稿では,2つの特性を持つ変分点コンプリートネットワーク(VRCNet)を提案する。 VRCNetは、現実世界のポイントクラウドスキャンで、大きな可能性と堅牢性を示します。
  論文  参考訳（メタデータ） (2021-04-20T17:53:40Z)
• 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)
• Refinement of Predicted Missing Parts Enhance Point Cloud Completion [62.997667081978825]
  点雲完了は、部分的な観測から3次元形状の点集合表現を用いて完全な幾何学を予測するタスクである。 従来のアプローチでは、不完全点集合によって供給されるエンコーダ・デコーダモデルにより、点雲全体を直接推定するニューラルネットワークが提案されていた。 本稿では、欠落した幾何を計算し、既知の入力と予測点クラウドを融合することに焦点を当てたエンドツーエンドニューラルネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-10-08T22:01:23Z)
• Cascaded Refinement Network for Point Cloud Completion [74.80746431691938]
  本稿では,細かな物体形状を合成するための粗大な戦略とともに,カスケード型精細化ネットワークを提案する。 部分入力の局所的な詳細と大域的な形状情報を合わせて考えると、既存の詳細を不完全点集合に保存することができる。 また、各局所領域が同じパターンと基底的真理を持つことを保証し、複雑な点分布を学習するパッチ判別器を設計する。
  論文  参考訳（メタデータ） (2020-04-07T13:03:29Z)

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。