Jan, 2024

无监督点云配准的迭代反馈网络

PDF
TL;DR本文提出了一种新颖的迭代反馈网络（IFNet）用于无监督点云配准，通过重新路由后续的高级特征，高效地丰富了低级特征的表示；进一步设计了反馈变换器以从反馈的高级特征中高效选择相关信息进行细化；最后引入了几何感知描述符来充分利用几何信息，从而获得更精确的配准结果。在各种基准数据集上的广泛实验表明了我们 IFNet 的优异配准性能。
point cloud registrationiterative feedback networkunsupervisedfeedback registration blockgeometry-awareness descriptor
发现论文，激发创造
  • FBNet: 适用于点云补全的反馈网络

    本文提出了一种新的反馈网络（FBNet）用于点云完整性修复，通过用细粒度特征改进粗略形状的生成，并利用交叉注意力策略来修正现有的特征。在多个数据集上进行的定量和定性实验表明，FBNet 在点云修复任务上的性能比现有最先进的方法更优。

    Oct, 2022

  • PointMBF: 用于无监督 RGB-D 点云配准的多尺度双向融合网络

    利用 RGB 图像和深度图像生成的点云之间的多尺度双向融合实现了更准确的对应估计，从而使得我们的点云配准方法在 ScanNet 和 3DMatch 数据集上达到了最新的性能水平。

    Aug, 2023

  • PF-Net：用于 3D 点云补全的点分形网络

    本文提出了基于点分形网络的学习方法 Point Fractal Network（PF-Net），用于精确高保真度的点云补全，通过多尺度生成网络进行缺失点云的预测。同时，通过多阶段的补全误差和对抗损失来生成更真实的缺失区域，实验证明了该方法的有效性。

    Mar, 2020

  • 高效点云配准的动态网络

    该论文介绍了一种动态方法，通过多次迭代点云数据的注册过程，识别匹配点聚类区域，从而删除噪点，并通过评估每个注册阶段的结果以提高网络效率。实验证明，该模型相较于其他方法在相似结果上显著减少时间消耗，室内数据集 (3DMatch) 速度提升超过 41%，室外数据集 (KITTI) 速度提升 33%，同时保持竞争性的注册召回需求。

    Dec, 2023

  • 3D 点云迭代变换网络

    提出了使用迭代变换网络 (IT-Net) 模块来完成无完整对象模型的局部点云的姿态估计，进而在形状分类和物体部分分割等任务上实现了卓越的性能。

    Nov, 2018

  • IterativePFN: 真正迭代的点云滤波

    提出了 IterativePFN、一种基于神经网络的迭代滤波方法，在高噪声条件下比先前方法表现更好

    Apr, 2023

  • 无需训练数据的基于自监督全卷积网络的非刚性图像配准

    本文提出了一种新型的基于卷积神经网络的非刚性图像配准算法，通过优化和学习不同尺度下的空间变换以及卷积神经网络，实现了对 3D 结构脑磁共振图像更好的配准效果。

    Jan, 2018

  • PCRNet: 使用 PointNet 编码的点云配准网络

    该论文提出了一个新框架，利用 PointNet 表征对齐点云和执行注册，以实现跟踪，3D 重建和姿态估计等应用，能够根据点云的形状信息生成特定形状或通用的方法，并具有噪声和数据初始化错位的鲁棒性。

    Aug, 2019

  • IFR-Net：用于压缩感知 MRI 的迭代特征改进网络

    为提高高加速因子下的压缩感知 MRI 图像重构的结构损失，本研究提出了一种基于迭代特征精化模型 (IFR-CS) 的监督模型驱动网络 (IFR-Net)，其具有快速重构速度和保持结构信息的优点，同时探索了基于卷积神经网络 (CNN) 的稀疏性增强去噪模块。

    Sep, 2019

  • 无监督点云配准的可靠内点评估

    该论文提出了一种基于邻域一致性的可靠内点评估方法，以提高无监督点云配准的精度，并利用匹配映射细化模块和内点评估模块配合实现精确配准，最终使用加权 SVD 算法进行转换估计。

    Feb, 2022