张文晓;龙城、澄江;颜庆安;Alix L.H.周。;肖春霞 具有关键集监督的多阶段点完井网络。 (英语) Zbl 1452.65033号 计算。辅助Geom。设计。 82,文章ID 101925,11 p.(2020). 摘要:基于点云的形状补全具有重要的应用价值,是指从部分输入重建完整的点云。在本文中,我们提出了一个具有临界集监督的多级点完成网络(MSPCN)。在我们的网络中,上采样单元级联用于分几个阶段逐步恢复高分辨率结果。与现有生成由完整地面实况监控的输出点云结构的工作不同,我们在每个阶段利用关键集进行监控,并为下一阶段生成更具信息性和有用的中间输出。我们提出了一种策略,将最大池选点和体积下采样点相结合,以确定用于监督的关键集(MVCS),这涉及关键特征和模型的形状。我们在ShapeNet数据集上进行了大量实验,实验结果清楚地表明,我们提出的具有关键集监督的MSPCN优于最先进的完成方法。 MSC公司: 65日第10天 数值平滑、曲线拟合 68T07型 人工神经网络与深度学习 关键词:形状完成;点云;深度学习 软件:SPLATNet公司;PCL公司;扫描完成;PointNet(点网);折叠网 PDF格式BibTeX公司 XML格式引用 \textit{W.Zhang}等人,计算。辅助Geom。设计。82,文章ID 101925,11 p.(2020;Zbl 1452.65033) 全文: 内政部 参考文献: [1] Achlioptas,P。;迪亚曼蒂,O。;米利亚卡斯,I。;Guibas,L.,三维点云的表示学习和对抗性生成(2017),2,4 [2] 戴,A。;齐瑞中泰,C。;Nießner,M.,使用三维编码器预测cnns和形状合成完成形状,(CVPR(2017)),5868-5877 [3] 戴,A。;里奇,D。;博克洛,M。;里德,S。;Sturm,J。;Nießner,M.,Scancomplete:三维扫描的大规模场景完成和语义分割,(CVPR(2018)),4578-4587 [4] O.多夫拉特。;朗,I。;Avidan,S.,《学习抽样》(CVPR(2019)) [5] 风扇,H。;苏,H。;Guibas,L.J.,从单个图像重建三维物体的点集生成网络,(CVPR(2017)),605-613 [6] Fu,Y。;严,Q。;Yang,L。;廖,J。;Xiao,C.,使用rgb-d传感器进行三维重建的纹理映射,(IEEE计算机视觉和模式识别会议论文集(2018),IEEE),4645-4653 [7] 韩,X。;李,Z。;黄,H。;Kalogerakis,E。;Yu,Y.,使用深度神经网络进行全局结构和局部几何推断的高分辨率形状完成,(ICCV(2017)),85-93 [8] Hua,B.S。;Tran,M.K。;Yeung,S.K.,点态卷积神经网络,(CVPR(2018)),984-993 [9] Kazhdan,M。;Hoppe,H.,筛选泊松曲面重建,TOG,32,29(2013)·Zbl 1322.68228号 [10] Kim,Y.M。;新泽西州米特拉。;Yan,D.M。;Guibas,L.,获取具有可变性和重复性的三维室内环境,TOG,31138(2012) [11] 李,D。;邵,T。;Wu,H。;周,K.,单个rgbd图像的形状完成,TVCG,231809-1822(2016) [12] 李,R。;王,S。;朱,F。;Huang,J.,自适应图卷积神经网络,(AAAI(2018)) [13] 李,R。;李,X。;傅中伟。;科恩·奥尔,D。;Heng,P.A.,Pu-gan:点云上采样对抗网络,(IEEE国际计算机视觉会议(2019)论文集),7203-7212 [14] 李毅。;戴,A。;Guibas,L。;Nießner,M.,实时三维重建的数据库辅助对象检索,(CGF(2015),威利在线图书馆),435-446 [15] 廖,J。;Fu,Y。;严,Q。;Xiao,C.,具有局部一致性的金字塔多视图立体声,计算机。图表。论坛,38,335-346(2019) [16] Lin,C.H。;孔,C。;Lucey,S.,《学习密集三维物体重建的高效点云生成》(AAAI(2018)) [17] 新泽西州米特拉。;Guibas,L.J。;Pauly,M.,《三维几何体的部分和近似对称检测》(TOG(2006),ACM),560-568 [18] 纳瓦尼特,K。;Mandikal,P。;阿加瓦尔,M。;Babu,R.V.,Capnet:使用二维监督进行三维点云重建的连续近似投影,(AAAI(2019)),8819-8826 [19] Nealen,A。;Igarashi,T。;Sorkine,O。;Alexa,M.,Laplacian网格优化,(第四届澳大利亚和东南亚计算机图形和交互技术国际会议论文集(2006),ACM),381-389 [20] 保利,M。;新泽西州米特拉。;Wallner,J。;波特曼,H。;Guibas,L.J.,发现三维几何中的结构规则,(TOG(2008),ACM),43 [21] 齐,C.R。;苏,H。;莫(Mo,K.)。;Guibas,L.J.,Pointnet:三维分类和分割的点集深度学习,(CVPR,第1卷(2017)),4 [22] 齐,C.R。;Yi,L。;苏,H。;Guibas,L.J.,Pointnet++:度量空间中点集的深度分层特征学习(NeurIPS(2017)),5099-5108 [23] Rusu,R.B。;Cousins,S.,3d在这里:点云库(pcl),(ICRA(2011),IEEE),1-4 [24] 萨马德,M。;Lee,H.J。;Kim,Y.M.,Rl-gan-net:用于实时点云形状完成的强化学习代理控制的gan网络,(CVPR(2019)),5898-5907 [25] Shi,Y。;朗,P。;Xu,K。;黄,H。;Xiong,Y.,《三维场景理解的数据驱动上下文建模》,计算。图表。,55, 55-67 (2016) [26] Sorkine,O。;Cohen Or,D.,最小二乘网格,(《形状建模应用程序集》(2004),IEEE),191-199 [27] 苏,H。;Jampani,V.公司。;Sun,D。;马吉,S。;Kalogerakis,E。;杨,M.H。;Kautz,J.,SPLATNet:点云处理的稀疏晶格网络,(CVPR(2018)),2530-2539 [28] Tchapmi,L.P。;Kosaraju,V.公司。;Rezatofighi,H。;里德,I。;Savarese,S.,Topnet:结构点云解码器,(IEEE计算机视觉和模式识别会议论文集(2019)),383-392 [29] 特隆,S。;Wegbreit,B.,《对称中的形状》(ICCV(2005),IEEE),1824-1831 [30] 瓦利,J。;DeChant,C。;A.理查森。;Ruales,J。;Allen,P.,形状完成机器人抓取,(IROS(2017),IEEE),2442-2447 [31] 吴,Z。;Song,S。;科斯拉,A。;Yu,F。;张,L。;唐,X。;肖,J.,《三维形状:立体形状的深度表示》(CVPR(2015)),1912-1920 [32] 严,Q。;Yang,L。;Liang,C。;刘,H。;胡,R。;肖,C.,定量特征对应的基于几何的线性迭代聚类,(计算机图形论坛(2016),威利在线图书馆),1-10 [33] 严,Q。;Yang,L。;张,L。;Xiao,C.,《区分不可区分的事物:通过测地上下文探索结构歧义》(IEEE计算机视觉和模式识别会议论文集(2017)),3836-3844 [34] 杨,B。;温,H。;王,S。;克拉克·R。;Markham,A。;Trigoni,N.,《利用对抗性学习从单一深度视角重建三维物体》(ICCV(2017)),679-688 [35] Yang,G。;宋,X。;黄,C。;邓,Z。;史J。;Zhou,B.,Drivingstero:一个用于自动驾驶场景中立体匹配的大规模数据集,(CVPR(2019)) [36] Yang,Y。;冯,C。;沈毅。;Tian,D.,Foldingnet:通过深层网格变形的点云自动编码器(CVPR(2018)) [37] 伊凡·W。;Wu,S。;黄,H。;科恩·奥尔,D。;Sorkine-Hornung,O.,基于补丁的渐进式三维点集上采样,(IEEE计算机视觉和模式识别会议论文集(2019)),5958-5967 [38] Yu,L。;李,X。;傅中伟。;科恩·奥尔,D。;Heng,P.A.,Pu-net:点云上采样网络,(CVPR(2018)),2790-2799 [39] 袁伟。;科特,T。;持有,D。;默茨,C。;Hebert,M.,Pcn:点完成网络,(3DV(2018),IEEE),728-737 [40] 张伟。;Xiao,C.,Pcan:使用上下文信息进行点云检索的三维注意图学习,(IEEE计算机视觉和模式识别会议论文集(2019)),12436-12445 [41] 赵,H。;江,L。;傅中伟。;Jia,J.,Pointweb:为点云处理增强本地邻域特征,(CVPR(2019)),5565-5573 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。