論文の概要: Skeleton-bridged Point Completion: From Global Inference to Local Adjustment

• arxiv url: http://arxiv.org/abs/2010.07428v1
• Date: Wed, 14 Oct 2020 22:49:30 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-07 13:57:22.485801
• Title: Skeleton-bridged Point Completion: From Global Inference to Local Adjustment
• Title（参考訳）: 骨格橋のポイントコンプリート:グローバル推論から局所調整へ
• Authors: Yinyu Nie, Yiqun Lin, Xiaoguang Han, Shihui Guo, Jian Chang, Shuguang Cui, Jian Jun Zhang
• Abstract要約: 形状整形のための骨格ブリッジ型点完備ネットワーク(SK-PCN)を提案する。 部分スキャンにより,まずその3次元骨格を予測し,大域構造を求める。 形状の完備化を構造推定と表面再構成に分離し,学習の難易度を緩和する。
• 参考スコア（独自算出の注目度）: 48.2757171993437
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Point completion refers to complete the missing geometries of objects from partial point clouds. Existing works usually estimate the missing shape by decoding a latent feature encoded from the input points. However, real-world objects are usually with diverse topologies and surface details, which a latent feature may fail to represent to recover a clean and complete surface. To this end, we propose a skeleton-bridged point completion network (SK-PCN) for shape completion. Given a partial scan, our method first predicts its 3D skeleton to obtain the global structure, and completes the surface by learning displacements from skeletal points. We decouple the shape completion into structure estimation and surface reconstruction, which eases the learning difficulty and benefits our method to obtain on-surface details. Besides, considering the missing features during encoding input points, SK-PCN adopts a local adjustment strategy that merges the input point cloud to our predictions for surface refinement. Comparing with previous methods, our skeleton-bridged manner better supports point normal estimation to obtain the full surface mesh beyond point clouds. The qualitative and quantitative experiments on both point cloud and mesh completion show that our approach outperforms the existing methods on various object categories.
• Abstract（参考訳）: 点完備化とは、部分点雲から失った物体の幾何学を完備することを指す。 既存の作業は通常、入力ポイントから符号化された潜在特徴を復号することで、欠落した形状を推定する。 しかし、現実世界のオブジェクトは通常、様々なトポロジーと表面の詳細を持ち、潜在機能はクリーンで完全な表面を復元するために表現できないかもしれない。 そこで本研究では,スケルトンブリッジ点完成ネットワーク (sk-pcn) を提案する。 部分スキャンを行い,まずその3次元骨格を予測して大域構造を求め,骨格点からの変位を学習して表面を仕上げる。 形状の完成を構造推定と表面再構成に分離し, 学習の難易度を低減し, 実地詳細を得るための便益を得る。 また,SK-PCNは入力点を符号化する際の特徴の欠如を考慮し,入力点雲を表面改質予測にマージする局所的な調整戦略を採用する。 従来の方法と比較して,スケルトンをブリッジした方法では,点雲を越える全表面メッシュを得るための点正規推定がより良好である。 ポイントクラウドとメッシュコンプリートの両方における質的かつ定量的な実験は、我々のアプローチが、様々なオブジェクトカテゴリの既存のメソッドよりも優れていることを示している。

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)
• LAKe-Net: Topology-Aware Point Cloud Completion by Localizing Aligned Keypoints [35.82520172874995]
  LAKe-Netは、整列キーポイントをローカライズする新しいポイントクラウド補完モデルである。 新しいタイプの骨格であるSurface-Skeletonは、幾何学的先行に基づくキーポイントから生成される。 実験結果から,本手法はポイントクラウド完了時の最先端性能を実現することが示された。
  論文  参考訳（メタデータ） (2022-03-31T03:14:48Z)
• Voxel-based Network for Shape Completion by Leveraging Edge Generation [76.23436070605348]
  エッジ生成(VE-PCN)を利用した点雲補完のためのボクセルネットワークを開発した。 まず点雲を正規のボクセル格子に埋め込み、幻覚した形状のエッジの助けを借りて完全な物体を生成する。 この分離されたアーキテクチャとマルチスケールのグリッド機能学習は、より現実的な表面上の詳細を生成することができる。
  論文  参考訳（メタデータ） (2021-08-23T05:10:29Z)
• ME-PCN: Point Completion Conditioned on Mask Emptiness [50.414383063838336]
  メインストリーム法は入力点クラウドから学んだグローバルな特徴を復号することで、欠落した形状を予測する。 本稿では,3次元形状空間における空度を利用した点完備ネットワークME-PCNを提案する。
  論文  参考訳（メタデータ） (2021-08-18T15:02:27Z)
• 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)
• RfD-Net: Point Scene Understanding by Semantic Instance Reconstruction [19.535169371240073]
  本稿では,高密度物体表面を直接点雲から検出・再構成するRfD-Netを提案する。 インスタンス再構成を大域的オブジェクトローカライゼーションと局所形状予測に分離する。 我々のアプローチは、オブジェクト再構成において、最先端の技術を一貫して上回り、メッシュIoUの11以上を改善します。
  論文  参考訳（メタデータ） (2020-11-30T12:58:05Z)
• 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)
• 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。