Shape Completion with Points in the Shadow

要約

単一視点の点群補完は、限られた観察のみに基づいてオブジェクトの完全なジオメトリを回復することを目的としていますが、データの希薄性と閉塞のために非常に困難です。
中心的な課題は、部分スキャンに基づいてオブジェクトの観測されていない部分を埋めるためのもっともらしいジオメトリを生成することですが、これは制約が少なく、巨大なソリューション スペースに悩まされています。
コンピュータ グラフィックスにおける古典的なシャドウ ボリューム手法に着想を得て、ソリューション スペースを効果的に削減する新しい方法を提案します。
私たちの方法は、カメラをオブジェクトに向かって光線を投射する光源と見なします。
このような光線は、合理的に制限されていますが、完成のための十分に表現力のある基礎を構築します。
完了プロセスは、点変位最適化問題として定式化されます。
ポイントは部分スキャンで初期化され、各ポイントの 2 種類の動きでゴール位置に移動します。
ニューラル ネットワークを設計して、理想的な点の動きを予測し、完了結果を取得します。
徹底的な評価と比較を通じて、私たちの方法が正確で、堅牢で、一般化できることを示します。
さらに、MVP データセットでは、最先端の方法よりも質的および量的に優れています。

要約(オリジナル)

Single-view point cloud completion aims to recover the full geometry of an object based on only limited observation, which is extremely hard due to the data sparsity and occlusion. The core challenge is to generate plausible geometries to fill the unobserved part of the object based on a partial scan, which is under-constrained and suffers from a huge solution space. Inspired by the classic shadow volume technique in computer graphics, we propose a new method to reduce the solution space effectively. Our method considers the camera a light source that casts rays toward the object. Such light rays build a reasonably constrained but sufficiently expressive basis for completion. The completion process is then formulated as a point displacement optimization problem. Points are initialized at the partial scan and then moved to their goal locations with two types of movements for each point: directional movements along the light rays and constrained local movement for shape refinement. We design neural networks to predict the ideal point movements to get the completion results. We demonstrate that our method is accurate, robust, and generalizable through exhaustive evaluation and comparison. Moreover, it outperforms state-of-the-art methods qualitatively and quantitatively on MVP datasets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google