We are interested in reconstructing the mesh representation of object
surfaces from point clouds. Surface reconstruction is a prerequisite for
downstream applications such as rendering, collision avoidance for planning,
animation, etc. However, the task is challenging if the input poin
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。
使用点云表示方法,我们提出了 Point Intrinsic Net (PoInt-Net),通过联合预测反射率、光源方向和阴影,解决了困扰人们很久的内在分解问题。实验证明了 PoInt-Net 在准确性方面优于 2D 表示方法,并且在小规模和任意规模点云上表现稳定,在单个物体级别数据集上进行训练具有合理的泛化能力,适用于未见过的物体和场景。