【小白深度教程 1.4】手把手教你复现 CompletionFormer 深度补全网络（含代码解读）

在上一节中，我们展示了如何利用训练好的 BP-Net 进行深度补全：

【小白深度教程 1.3】使用 BP-Net 深度补全网络，进行 KITTI 稠密点云和图像融合（含 Python 代码）

这节我们将手把手教你，如何训练和使用 CompletionFormer。

1. 介绍

CompletionFormer 结合卷积神经网络（CNN）和 Vision Transformer，提出了一种联合卷积注意力和 Transformer 块（JCAT），用于深度补全任务。该方法将卷积的局部连接性和 Transformer 的全局上下文结合到一个单一模型中，从而在户外 KITTI 和室内 NYUv2 数据集上超越了现有的基于 CNN 的方法，并在效率上显著优于纯 Transformer 方法。

具体解析可以查看：