SpareNet
代码块链接:https://github.com/microsoft/SpareNet
(本文只是个人学习记录的笔记,仅做参考)
基于对抗渲染样式点生成器的点云补全
本文提出了一种新的基于样式的点生成器与对抗渲染(SpareNet)点云补全网络。首先,提出了充分利用点的局部特征和全局特征的基于Channel-Attentive EdgeConv.算法。在StyleGAN的启发下,将形状特征作为在折叠过程中调节规格化层的样式代码,极大地增强了其功能。第三,认识到现有的点监督,如倒角距离,不能真实地反映重建点的感知质量。为了解决这个问题,我们建议使用一个可区分的渲染器将完成的点投射到深度地图上,并应用对抗性训练来提倡不同观察点下的补全效果。
SpareNet网络架构,编码器E将部分点编码为形状G,由基于样式的生成器G合成一个粗粒度补全的结果Yc ,之后使用R不断精炼,得到最后的结果Y,使用对抗性来做点的绘制,完成最后结果。
Channel-Attentive EdgeConv(CAE):