Frequency-Selective Geometry Upsampling of Point Clouds

要約

ここ数年、高解像度の点群の需要が高まっています。
ただし、高解像度の点群のキャプチャはコストがかかるため、低解像度データのアップサンプリングに置き換えられることがよくあります。
最先端の方法のほとんどは、ラスター化されたグリッドに制限されているか、法線ベクトルを組み込んでいるか、単一のユース ケース用にトレーニングされています。
点群の表面を近似する周波数モデルが局所的に推定される周波数選択性の原理を使用することを提案します。
次に、近似サーフェスに追加のポイントが挿入されます。
私たちの新しい周波数選択ジオメトリ アップサンプリングは、2 および 4 のスケーリング ファクターの最先端の方法と比較して、主観的および客観的な品質の点で優れた結果を示しています。
スケール ファクター 4 で 2 番目に優れた最先端の PU-Net よりも、to-point エラーが大きくなります。

要約(オリジナル)

The demand for high-resolution point clouds has increased throughout the last years. However, capturing high-resolution point clouds is expensive and thus, frequently replaced by upsampling of low-resolution data. Most state-of-the-art methods are either restricted to a rastered grid, incorporate normal vectors, or are trained for a single use case. We propose to use the frequency selectivity principle, where a frequency model is estimated locally that approximates the surface of the point cloud. Then, additional points are inserted into the approximated surface. Our novel frequency-selective geometry upsampling shows superior results in terms of subjective as well as objective quality compared to state-of-the-art methods for scaling factors of 2 and 4. On average, our proposed method shows a 4.4 times smaller point-to-point error than the second best state-of-the-art PU-Net for a scale factor of 4.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google