NoiseTrans: Point Cloud Denoising with Transformers

要約

タイトル：NoiseTrans：Transformerを用いたポイントクラウドのノイズ除去

要約：
– キャプチャーデバイスや3D再構成技術から得られるポイントクラウドはしばしばノイズが含まれており、ダウンストリームタスクに干渉する。
– 本論文の目的は、ノイズのあるポイントクラウドの基盤となる表面を回復することである。
– NoiseTransという新しいモデルを設計し、ポイントクラウドのノイズ除去にTransformerエンコーダーアーキテクチャを使用する。
– 具体的には、Transformerのコア自己注意メカニズムの支援により、ポイントベースのポイントクラウドの構造的類似性を得る。
– ノイズのあるポイントクラウドを順序のないベクトルのセットとして表現し、ポイントクラウドをポイント埋め込みに変換してTransformerを用いてクリーンなポイントクラウドを生成する。
– ポイントクラウドを感知する際にTransformerが細部を保持するようにするために、ローカルポイントアテンションを設計し、ポイントクラウドが過度にスムーズ化されないようにする。
– さらに、ポイントクラウドの構造的関係をよりよく知覚するために、Sparse Encodingを提案し、ノイズ除去の性能を向上させる。
– 実験により、本モデルがさまざまなデータセットとノイズ環境で最先端の手法を上回ることが示された。

要約(オリジナル)

Point clouds obtained from capture devices or 3D reconstruction techniques are often noisy and interfere with downstream tasks. The paper aims to recover the underlying surface of noisy point clouds. We design a novel model, NoiseTrans, which uses transformer encoder architecture for point cloud denoising. Specifically, we obtain structural similarity of point-based point clouds with the assistance of the transformer’s core self-attention mechanism. By expressing the noisy point cloud as a set of unordered vectors, we convert point clouds into point embeddings and employ Transformer to generate clean point clouds. To make the Transformer preserve details when sensing the point cloud, we design the Local Point Attention to prevent the point cloud from being over-smooth. In addition, we also propose sparse encoding, which enables the Transformer to better perceive the structural relationships of the point cloud and improve the denoising performance. Experiments show that our model outperforms state-of-the-art methods in various datasets and noise environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI