論文の概要: SRPCN: Structure Retrieval based Point Completion Network

• arxiv url: http://arxiv.org/abs/2202.02669v1
• Date: Sun, 6 Feb 2022 01:20:50 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-08 16:41:33.011935
• Title: SRPCN: Structure Retrieval based Point Completion Network
• Title（参考訳）: SRPCN: 構造検索に基づくポイントコンプリートネットワーク
• Authors: Kaiyi Zhang, Ximing Yang, Yuan Wu, Cheng Jin
• Abstract要約: 構造検索に基づくポイントコンプリートネットワーク(SRPCN)を提案する。 最初はk平均クラスタリングを使用して構造点を抽出し、それを分布に分散し、その後、完全な構造点雲を見つけるための計量としてKLディバージェンス(英語版)が用いられる。 実験により,本手法はより正確な結果が得られ,より強力な一般化能力を有することが示された。
• 参考スコア（独自算出の注目度）: 9.456072124396231
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Given partial objects and some complete ones as references, point cloud completion aims to recover authentic shapes. However, existing methods pay little attention to general shapes, which leads to the poor authenticity of completion results. Besides, the missing patterns are diverse in reality, but existing methods can only handle fixed ones, which means a poor generalization ability. Considering that a partial point cloud is a subset of the corresponding complete one, we regard them as different samples of the same distribution and propose Structure Retrieval based Point Completion Network (SRPCN). It first uses k-means clustering to extract structure points and disperses them into distributions, and then KL Divergence is used as a metric to find the complete structure point cloud that best matches the input in a database. Finally, a PCN-like decoder network is adopted to generate the final results based on the retrieved structure point clouds. As structure plays an important role in describing the general shape of an object and the proposed structure retrieval method is robust to missing patterns, experiments show that our method can generate more authentic results and has a stronger generalization ability.
• Abstract（参考訳）: 部分的なオブジェクトといくつかの完全なオブジェクトが参照として与えられると、ポイントクラウド補完は真の形状を回復することを目的としている。 しかし、既存の手法は一般的な形状にはほとんど注意を払わず、完成結果の信頼性は低い。 さらに、欠落したパターンは現実には多様であるが、既存の方法は固定されたパターンしか扱えない。 部分点クラウドが対応する完全分布のサブセットであることを考えると、これらを同じ分布の異なるサンプルとみなし、Structure Retrieval based Point Completion Network (SRPCN)を提案する。 最初はk平均クラスタリングを使用して構造点を抽出し分布に分散し、次いでKL分枝はデータベースの入力に最もよく一致する完全な構造点雲を見つけるための計量として使用される。 最後に、PCNライクなデコーダネットワークを採用し、得られた構造点雲に基づいて最終結果を生成する。 構造が物体の一般的な形状を記述する上で重要な役割を担い、提案手法は欠落パターンに対して頑健であるため、本手法はより正確な結果が得られ、より強力な一般化能力を有することを示す実験である。

関連論文リスト

• P2C: Self-Supervised Point Cloud Completion from Single Partial Clouds [44.02541315496045]
  ポイント雲の完成は、部分的な観測に基づいて完全な形状を復元することを目的としている。 既存の手法では、学習には完全な点雲か、同じ物体の複数の部分的な観察が必要である。 Part2Completeは、ポイントクラウドオブジェクトを補完する最初の自己管理型フレームワークです。
  論文  参考訳（メタデータ） (2023-07-27T09:31:01Z)
• 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)
• 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)
• 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)
• CP-Net: Contour-Perturbed Reconstruction Network for Self-Supervised Point Cloud Learning [53.1436669083784]
  本稿では,CP-Net(Contour-Perturbed Restruction Network)を提案する。 分類では、ModelNet40(92.5%の精度)とScanObjectNN(87.9%の精度)の完全教師付き手法で競合する結果を得る。
  論文  参考訳（メタデータ） (2022-01-20T15:04:12Z)
• 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)
• Cascaded Refinement Network for Point Cloud Completion with Self-supervision [74.80746431691938]
  形状整形のための2分岐ネットワークを提案する。 第1分枝は、完全なオブジェクトを合成するためのカスケード形状補完サブネットワークである。 第2のブランチは、元の部分入力を再構築する自動エンコーダである。
  論文  参考訳（メタデータ） (2020-10-17T04:56:22Z)
• 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。