Arbitrary Point Cloud Upsampling with Spherical Mixture of Gaussians

要約

まばらな生データから高密度の点群を生成すると、下流の 3D 理解タスクにメリットがありますが、既存のモデルは固定のアップサンプリング比または整数値の短い範囲に制限されています。
このホワイト ペーパーでは、任意点群アップサンプリング (APU) のトランスフォーマー ベースのモデルである APU-SMOG を紹介します。
まばらな入力は、最初にガウスの球状混合物 (SMOG) 分布にマッピングされ、そこから任意の数のポイントをサンプリングできます。
次に、これらのサンプルはクエリとして Transformer デコーダーに供給され、ターゲット サーフェスにマッピングされます。
広範な定性的および定量的評価により、APU-SMOG が最先端の固定比率法よりも優れていることが示されていますが、トレーニングされた単一のモデルを使用して、整数以外の値を含む任意の倍率でアップサンプリングを効果的に行うことができます。
コードは https://github.com/apusmog/apusmog/ で入手できます。

要約(オリジナル)

Generating dense point clouds from sparse raw data benefits downstream 3D understanding tasks, but existing models are limited to a fixed upsampling ratio or to a short range of integer values. In this paper, we present APU-SMOG, a Transformer-based model for Arbitrary Point cloud Upsampling (APU). The sparse input is firstly mapped to a Spherical Mixture of Gaussians (SMOG) distribution, from which an arbitrary number of points can be sampled. Then, these samples are fed as queries to the Transformer decoder, which maps them back to the target surface. Extensive qualitative and quantitative evaluations show that APU-SMOG outperforms state-of-the-art fixed-ratio methods, while effectively enabling upsampling with any scaling factor, including non-integer values, with a single trained model. The code is available at https://github.com/apusmog/apusmog/

arxiv情報

提供元, 利用サービス

arxiv.jp, Google