PPSURF: Combining Patches and Point Convolutions for Detailed Surface Reconstruction

要約

点群からの 3D サーフェスの再構築は、コンテンツ作成、考古学、デジタル文化遺産、エンジニアリングなどの分野における重要なステップです。
現在のアプローチは、点に適合するように非データ駆動型の表面表現を最適化しようとするか、一般的に発生する表面の分布とそれらが潜在的にノイズの多い点群とどのように相関するかをデータ駆動型の事前学習で学習するかのいずれかです。
データ駆動型の手法では、ノイズの堅牢な処理が可能になり、通常はグローバルまたはローカルの事前分布に焦点を当てます。これは、グローバル側でのノイズに対する堅牢性とローカル側での表面ディテールの保存との間のトレードオフになります。
我々は、点畳み込みに基づくグローバル事前分布とローカル点群パッチの処理に基づくローカル事前分布を組み合わせる方法として PPSurf を提案します。
このアプローチは、現在の最先端技術よりも正確に表面の詳細を復元しながら、ノイズに対して堅牢であることを示します。
私たちのソースコード、事前トレーニングされたモデル、データセットは、https://github.com/cg-tuwien/ppsurf から入手できます。

要約(オリジナル)

3D surface reconstruction from point clouds is a key step in areas such as content creation, archaeology, digital cultural heritage, and engineering. Current approaches either try to optimize a non-data-driven surface representation to fit the points, or learn a data-driven prior over the distribution of commonly occurring surfaces and how they correlate with potentially noisy point clouds. Data-driven methods enable robust handling of noise and typically either focus on a global or a local prior, which trade-off between robustness to noise on the global end and surface detail preservation on the local end. We propose PPSurf as a method that combines a global prior based on point convolutions and a local prior based on processing local point cloud patches. We show that this approach is robust to noise while recovering surface details more accurately than the current state-of-the-art. Our source code, pre-trained model and dataset are available at: https://github.com/cg-tuwien/ppsurf

arxiv情報

提供元, 利用サービス

arxiv.jp, Google