点云的拓扑感知表面重建

Nov, 2018

Topology-Aware Surface Reconstruction for Point Clouds

Rickard Brüel-Gabrielsson, Vignesh Ganapathi-Subramanian, Primoz Skraba, Leonidas J. Guibas

TL;DR本文提出了一种基于拓扑先验的表面重建方法，该方法利用基函数来优化点云拟合，并通过持久图捕获拓扑约束，以实现去除拓扑噪声和捕获底层形状的特定属性。作者展示了在多种可能的拓扑情况下的表面重建结果，并将其与其他传统表面构建技术进行了比较。

Abstract

We present an approach to inform the reconstruction of a surface from a point scan through topological priors. The reconstruction is based on basis functions which are optimized to provide a good fit to the point

surface reconstruction topological priors basis functions persistence diagrams topology-aware technique

发现论文，激发创造

基于学习预测上下文先验的点云表面重建

本文介绍一种利用神经网络编码局部上下文先验 (surface reconstruction from point clouds) 的方法。具体来说，我们先为大规模点云训练局部上下文先验，然后通过学习预测查询来为每个特定的点云定制先验，从而实现针对不同点云的全局重构。实验结果表明，该方法在单个形状或复杂场景的表面重建方面显著优于现有技术。

Apr, 2022

深度几何先验用于表面重建

使用深度神经网络作为几何先验来实现基于点云的离散曲面重建，无需训练数据或显式正则化，实验表明该几何先验可用于处理包含尖锐特征和平滑有机物体的三维数据。

Nov, 2018

利用表面先验重建稀疏点云的表面

通过在表面上使用先验信息，使用神经网络从稀疏的 3D 点云中精确地重建表面，方法无需事先获取签名距离或点法向量，实现了最优的重建精度。

Apr, 2022

基于点云的节点级拓扑表示学习

通过离散拓扑学和微分几何的概念，我们提出了一种从复杂点云中提取节点级拓扑特征的新方法，并验证了这些拓扑点特征在合成和真实数据上的有效性以及其对噪声的鲁棒性。

Jun, 2024

基于网格交叉预测的点云表面重建

通过直接预测采样的点对之间线段与隐式表面的交点，本文提出了一种新的方法，既能够有效地表示开放表面，又能够消除网格中的伪影。在 ShapeNet、MGN 和 ScanNet 三个数据集上，我们的方法展示了最先进的性能。

Mar, 2024

NeuSurf：基于表面先验的稀疏输入视图下的神经表面重建

利用表面先验信息实现稀疏视角下高保真度的重构，通过全局几何对齐和本地几何细化，优化粗糙形状和细节，实现的稀疏视角重构框架在稀疏视图下得到了显著提升。

Dec, 2023

具有极端规模和密度多样性的点云可扩展表面重建

本文提出一种可扩展且健壮的方法，通过多视点三维立体点云计算三维表面网格，能够处理点密度极大跳跃，用于提取表面假设和合并表面假设，具有卓越的精度和完整性。

May, 2017

基于预测内外在比率指导的点云网格化

本文提出了一种新的基于深度学习的方法，旨在从点云中重建物体表面网格表示，通过预测点云中三元组之间的连通性关系来生成高质量网格，并证明该方法在处理细节保留、模糊结构等实际问题时表现良好。

Jul, 2020

神经随机筛选泊松重建

使用神经网络对基于泊松平滑先验的点云重建不确定性进行研究和量化，我们的算法解决了现有工作的主要局限性，并可以完全整合到 3D 扫描流程中，包括获取初始重建、选择下一个最佳传感器位置和在捕获更多数据后更新重建。

Sep, 2023

三维表面分析的拓扑描述符

本研究探讨了用于 3D 表面分析的拓扑描述符，通过计算高分辨率 3D 表面重构数据集的 2D 立方体过滤的持久性图，研究了不同的拓扑描述符对结构不同的 3D 面片的区分能力，并评估了它们对不同参数的灵敏度和与非拓扑描述符相结合后改进的分类性能。结果表明，拓扑描述符具有鲁棒性，且与非拓扑描述符相结合可以实现 3D 表面分析的最佳表现。

Jan, 2016