Point Encoder GAN: A deep learning model for 3D point cloud inpainting

tech2023-02-25  88


写在前面:这篇文章发表在2020年Neurocomputing期刊上(sci,审稿周期六个月,难度适中)交大激动学院master发表的文章,目前没有找到源代码


摘要

本文提出了一个端到端的网络结构,实现不完整点云对象的补全功能。优点有:不需要额外的标签信息,直接处理点云数据;使用小的样本模型ModelNet40就能训练出令人惊艳的效果,泛化能力很强。

网络结构

Point Encoder GAN网络吸取了PointNet处理点云数据,Context Encodes自动编码,GAN生成问题的多种优点,因此取得了满意的结果。

结论

这篇文章直接处理点云数据,使用小样本数据集达到了令人满意的效果,模型的泛化能力比较强。潜在的应用是:enlarge点云数据集,将2.5D点云转化为3D(降低了数据采集的难度)。存在的不足:该网络的局部特征学习能力还有待加强,作者接下来考虑引进分层网络结构来获得更深的特征表示。 并没有发现亮点在哪里,文章中提到的优越性也不太让人信服,要是有源码就好了,可以愉快的验证(抄袭,捂脸)~~

最新回复(0)