論文の概要: LAKe-Net: Topology-Aware Point Cloud Completion by Localizing Aligned Keypoints

• arxiv url: http://arxiv.org/abs/2203.16771v1
• Date: Thu, 31 Mar 2022 03:14:48 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-02 06:47:11.621862
• Title: LAKe-Net: Topology-Aware Point Cloud Completion by Localizing Aligned Keypoints
• Title（参考訳）: LAKe-Net: 指定キーポイントのローカライズによるトポロジ対応ポイントクラウドコンプリート
• Authors: Junshu Tang, Zhijun Gong, Ran Yi, Yuan Xie, Lizhuang Ma
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 35.82520172874995
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Point cloud completion aims at completing geometric and topological shapes from a partial observation. However, some topology of the original shape is missing, existing methods directly predict the location of complete points, without predicting structured and topological information of the complete shape, which leads to inferior performance. To better tackle the missing topology part, we propose LAKe-Net, a novel topology-aware point cloud completion model by localizing aligned keypoints, with a novel Keypoints-Skeleton-Shape prediction manner. Specifically, our method completes missing topology using three steps: 1) Aligned Keypoint Localization. An asymmetric keypoint locator, including an unsupervised multi-scale keypoint detector and a complete keypoint generator, is proposed for localizing aligned keypoints from complete and partial point clouds. We theoretically prove that the detector can capture aligned keypoints for objects within a sub-category. 2) Surface-skeleton Generation. A new type of skeleton, named Surface-skeleton, is generated from keypoints based on geometric priors to fully represent the topological information captured from keypoints and better recover the local details. 3) Shape Refinement. We design a refinement subnet where multi-scale surface-skeletons are fed into each recursive skeleton-assisted refinement module to assist the completion process. Experimental results show that our method achieves the state-of-the-art performance on point cloud completion.
• Abstract（参考訳）: 点雲の完成は、部分的観測から幾何学的および位相的形状を完備することを目的としている。 しかし、元の形状の幾らかのトポロジが欠落しており、既存の手法では、完全な形状の構造やトポロジ的な情報を予測することなく、完備点の位置を直接予測している。 そこで我々は,キーポイントの局所化による新しいトポロジ・アウェア・ポイント・クラウド補完モデル lake-net を提案し,新しいキーポイント・スケルトン形状予測手法を提案する。 具体的には, 3 つのステップを用いてトポロジーの欠落を完了させる。 1)キーポイントの定位。 非対称キーポイント検出器と完全キーポイント生成器を含む非対称キーポイントロケータは、完全および部分点雲から整列キーポイントをローカライズするために提案される。 理論的には、検出器はサブカテゴリ内のオブジェクトの整列キーポイントをキャプチャできる。 2)表面骨格生成。 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、キーポイントから取得したトポロジ的情報を完全に表現し、局所的な詳細を回復する。 3) 形状のリファインメント。 本稿では,再帰的骨格支援リファインメントモジュールにマルチスケール表面骨格を投入し,完成プロセスを支援するリファインメントサブネットの設計を行う。 実験の結果,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。

関連論文リスト

• Flattening-Net: Deep Regular 2D Representation for 3D Point Cloud Analysis [66.49788145564004]
  我々は、任意の幾何学と位相の不規則な3次元点雲を表現するために、Flattning-Netと呼ばれる教師なしのディープニューラルネットワークを提案する。 我々の手法は、現在の最先端の競合相手に対して好意的に機能する。
  論文  参考訳（メタデータ） (2022-12-17T15:05:25Z)
• 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)
• Point2Skeleton: Learning Skeletal Representations from Point Clouds [36.62519847312199]
  本稿では,ポイントクラウドから骨格表現を学習するための教師なし手法であるPoint2Skeletonを紹介する。 まず、幾何変換を学習して骨格点の集合を予測し、次に骨格点の接続性を分析して骨格メッシュ構造を形成する。
  論文  参考訳（メタデータ） (2020-12-01T03:04:09Z)
• Skeleton-bridged Point Completion: From Global Inference to Local Adjustment [48.2757171993437]
  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。
  論文  参考訳（メタデータ） (2020-10-14T22:49:30Z)
• 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)
• 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)
• SK-Net: Deep Learning on Point Cloud via End-to-end Discovery of Spatial Keypoints [7.223394571022494]
  本稿では,空間キーポイントの推論と点雲の特徴表現の学習を協調的に最適化する,エンドツーエンドのフレームワークであるSK-Netを提案する。 提案手法は,ポイントクラウドタスクにおける最先端手法に匹敵する性能を示した。
  論文  参考訳（メタデータ） (2020-03-31T08:15:40Z)

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。