SSRNet: Scalable 3D Surface Reconstruction Network
论文原地址https://arxiv.org/pdf/1911.07401.pdf
论文目的:surface reconstruction
SSRNet 核心是local geometry-aware features for octree vertices and designs a scalable reconstruction pipeline
优点:
(1)提高顶点和曲面相对位置的重建质量,并行性好
(2)只需要several surface data 用来训练
(3)扩展性和质量都很高(scalability and quality)
1. Introduction
MC如何让获得surface
黄色的点是原始的点,红色的点是外接点,蓝色的点是内接点,MC方法就是找到绿色的交接点,提取表面信息如(d).
表面重建可以看作是对octree vertices的二分类问题。也就是只要找到哪些是红色点,哪些是蓝色的点,后续利用MC方法获得三维表面重建结果。
-----------------------分割线---------------------------
根据上图,下面是我对论文的主要理解
(1)黄色点表示原始点云,黑色网格点看作octree,黑色交叉点的位置为octree vertices,将两个数据作为输入的数据。
(2)模型预测的是octree vertices里面哪些是红色点(label=0),哪些是蓝色的点(lable=1)
(3)不是将所有的octree vertices 数据送入到模型。作者认为只要选择和黄色点临近的octree vertices就可以,比如上图(b)中,只需要红色和蓝色的octree vertices就可以(注意此时对于输入的octree vertices无法区分红色还是蓝色),比如没有被标记网格的最左上,最右上,最左下,最右下的octree vertices就不会被送入模型中。
(4ÿ