PCN第一次证明了深度学习在点云补全领域的应用是有效的。
这篇文章提出了PCN,是一个编码器-解码器的组合(端到端的网络),核心工作在于解码器的设计。
对于数据,直接处理原始的点云,**不对基础形状产生结构消耗(例如对称)或注释(例如语义类)?**防止体素化带来的信息丢失。
相关工作(复制网上的)
- 基于几何信息补全:在没有使用任何外在的数据情况下,从部分输入中使用几何线索来完成shape的补全。
- 基于对齐补全:通过匹配来自大型形状数据库的模板模型的部分输入来完成形状补全。
- 基于学习方法补全:使用一个参数化模型(通常是一个深度神经网络)直接映射部分输入到完整的形状完成形状补全。
知乎这篇翻译文章感觉写的还不错,但是4.2 折叠操作没看明白,还是自己把原文看一遍吧。知乎翻译:Point Completion Network