Comprehensive Review of Deep Learning-Based 3D Point Cloud Completion Processing and Analysis

要約

点群の完成は、部分的な点群から派生した生成と推定の問題であり、3D コンピューター ビジョンのアプリケーションで重要な役割を果たします。
ディープ ラーニング (DL) の進歩により、点群補完の機能と堅牢性が大幅に向上しました。
ただし、完成した点群の品質は、実用化に向けてさらに向上させる必要があります。
したがって、この作業は、ポイントベース、畳み込みベース、グラフベース、生成モデルベースのアプローチなど、さまざまな方法について包括的な調査を行うことを目的としています。この調査では、これらの方法の比較をまとめて、さらなる研究の洞察を引き出します。
.
さらに、このレビューでは、一般的に使用されるデータセットを要約し、点群補完のアプリケーションを示します。
最後に、急速に拡大しているこの分野の研究動向についても話し合いました。

要約(オリジナル)

Point cloud completion is a generation and estimation issue derived from the partial point clouds, which plays a vital role in the applications in 3D computer vision. The progress of deep learning (DL) has impressively improved the capability and robustness of point cloud completion. However, the quality of completed point clouds is still needed to be further enhanced to meet the practical utilization. Therefore, this work aims to conduct a comprehensive survey on various methods, including point-based, convolution-based, graph-based, and generative model-based approaches, etc. And this survey summarizes the comparisons among these methods to provoke further research insights. Besides, this review sums up the commonly used datasets and illustrates the applications of point cloud completion. Eventually, we also discussed possible research trends in this promptly expanding field.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google