Nov, 2018

CAPNet：使用2D监督的连续近似投影进行3D点云重建

HTML
PDF
TL;DR提出了一种名为CAPNet的不可分辨投影模块，采用多个前景掩膜作为监督数据，通过连续逼近点云点来建立投影模型，通过'affinity loss'损失公式规避了稀疏投影问题，显著优于现有基于投影的方法，可在缺乏大量3D数据的情况下构建高质量3D重建。
发现论文，激发创造
  • 3D-LMNet：单张图像实现精确多样的3D点云重建的潜在嵌入匹配

    本篇论文提出了一个双管齐下的方法来解决单视图图像的三维重建问题，引入数据先验的概念并设计了3D-LMNet，使用潜在嵌入匹配的方法进行三维重建，在概率潜在空间中学习多个与输入视图一致的重建结果，使用新颖的视图分化损失函数实现不同角度的多方案三维重建，实验证明该方法在真实和合成数据集上的性能均超过了现有技术。

    Jul, 2018

  • MVPNet：用于从单张图像重建三维物体的多视图点回归网络

    该论文提出了一种基于点云的物体表面重建方法，使用编码器-解码器网络通过单张图片生成多种视角下的点云，并且使用几何损失函数提高表面拟合准确性。

    Nov, 2018

  • 3D点胶囊网络

    此论文提出了3D点胶囊网络作为自动编码器的一个改进，它能处理稀疏的三维点云数据并保留其空间结构。动态路由和其独特的二维潜在空间使其改进了几个与点云相关的常见任务，如物体分类、物体重建和部分分割，并能使其实现部分插值和替换。

    Dec, 2018

  • 利用自监督形状与姿态网络从图像集合转换为点云

    提出了一种深度学习技术，用于从单个图像进行三维物体重建。与以往的方法不同的是，该方法使用只有单一视角的图像进行训练，并具有自我监督学习能力，可实现与使用更多监督信息的方法相媲美的性能。该方法还可以进行测试时间优化。

    May, 2020

  • 通过二维投影匹配无监督生成3D点云的细节结构

    提出了一种无监督方法来生成带有细微结构的3D点云，使用自适应采样来不规则地采样2D轮廓图像中的点，从而解决不同视角采样的一致性问题，使用2D投影匹配方法和深度神经网络，学习精确的结构信息，从而使其能够恢复细节丰富的3D结构，其表现优于其他相关基准算法。

    Aug, 2021

  • 一种基于条件点扩散细化的三维点云完整性修复范式

    本文提出了一种基于点扩散和精化的点云补全范式，其中条件生成网络使用去噪扩散概率模型生成粗糙补全， 精修网络进一步改进完成后的点云的质量，并开发了一个新的双向路径架构。 这种架构既能从部分观察到的点云中有效地提取多级特征以指导补全，也能准确地操纵三维点的空间位置以获得光滑的表面和清晰的细节。通过广泛的实验，证明了本文提出的方法在点云完成方面优于以往的最先进方法。值得注意的是，在精细网络的帮助下，我们可以将DDPM的迭代生成过程加速50倍，而不会影响其性能。

    Dec, 2021

  • GRASP-Net: 基于几何残留分析与合成的点云压缩

    本文介绍了一种基于深度学习和卷积神经网络的、适用于点云的几何压缩方法，实现了对于点云的空间信息和几何细节的有损压缩，该方法可以有效地处理点云中的局部相关性，提高压缩和重建质量。

    Sep, 2022

  • 基于多视图表达学习的点云预训练

    本文提出了一种基于2D network预训练的点云3D预训练新方法，通过引入多视角一致性损失，可有效防止3D特征丢失并在3D检测和语义分割等任务中实现最先进的性能。

    Jun, 2023

  • ModelNet-O：一个适用于遮挡感知点云分类的大规模合成数据集

    通过模拟真实世界中因单目摄像头扫描而导致的自遮挡，我们提出了一种名为PointMLS的鲁棒点云处理方法，通过ModelNet-O数据集的实验结果证明了该方法在点云分类中取得了最先进的结果，并且在常规数据集上取得了有竞争力的结果，而且具有鲁棒性和有效性。

    Jan, 2024

  • 自我监督的多视角对抗学习下的三维点云补全

    在不需要完备地面真实数据的情况下，使用单个部分点云对象，我们提出了MAL-SPC，一个能够有效利用物体级和类别特定几何相似性来完成缺失结构的框架。通过引入 Pattern Retrieval Network 来提取部分输入和预测形状之间的相似位置和曲率模式，然后利用这些相似性来密集化和优化重建结果。此外，我们将重建完成的形状渲染为多视角深度图，并设计了一个对抗学习模块，从类别特定的单视角深度图像中学习目标形状的几何结构。为了实现各向异性渲染，我们设计了一种密度感知半径估计算法来提高渲染图像的质量。与现有最先进的方法相比，我们的 MAL-SPC 取得了最佳的结果。我们将在此网址公开提供源代码。

    Jul, 2024