Unpaired Point Cloud Completion on Real Scans using Adversarial Training
Unpaired Point Cloud Completion on Real Scans using Adversarial Training
复制标题
使用对抗训练完成真实扫描的不成对点云
DOI：
--
复制
发表时间：
2019-03
期刊：
影响因子：
--
通讯作者：
Niloy J Mitra
中科院分区：
文献类型：
--
作者：
Xuelin Chen;Baoquan Chen;Niloy J Mitra
随着3D扫描解决方案越来越受欢迎，已经开发了几种深度学习设置，以完成扫描任务，即，合理地填充原始扫描中遗漏的区域。然而，这些方法在很大程度上依赖于成对训练数据形式的监督，即，部分扫描与相应的所需完成扫描。虽然这些方法已经在合成数据上成功地证明，但是在没有合适的配对训练数据的情况下，这些方法不能直接用于真实的扫描。我们开发了第一种方法，该方法直接在输入点云上工作，不需要成对的训练数据，因此可以直接应用于真实的扫描以完成扫描。我们在几个真实世界的数据集（ScanNet，Matterport，KITTI）上定性地评估了该方法，在3D-EPN形状完成基准数据集上定量地评估了该方法，并在不同程度的不完整性下展示了真实的完成。
As 3D scanning solutions become increasingly popular, several deep learning setups have been developed geared towards that task of scan completion, i.e., plausibly filling in regions there were missed in the raw scans. These methods, however, largely rely on supervision in the form of paired training data, i.e., partial scans with corresponding desired completed scans. While these methods have been successfully demonstrated on synthetic data, the approaches cannot be directly used on real scans in absence of suitable paired training data. We develop a first approach that works directly on input point clouds, does not require paired training data, and hence can directly be applied to real scans for scan completion. We evaluate the approach qualitatively on several real-world datasets (ScanNet, Matterport, KITTI), quantitatively on 3D-EPN shape completion benchmark dataset, and demonstrate realistic completions under varying levels of incompleteness.
登录
查看更多内容
DOI：
--
发表时间：
2018-01
期刊：
--
影响因子：
--
作者：
Yangyan Li;Rui Bu;Mingchao Sun;Wei Wu;Xinhan Di;Baoquan Chen
通讯作者：
Yangyan Li;Rui Bu;Mingchao Sun;Wei Wu;Xinhan Di;Baoquan Chen
DOI：
10.1109/iccv.2017.252
发表时间：
2017-11
期刊：
2017 IEEE International Conference on Computer Vision (ICCV)
影响因子：
--
作者：
Weiyue Wang;Qiangui Huang;Suya You;Chao Yang;U. Neumann
通讯作者：
Weiyue Wang;Qiangui Huang;Suya You;Chao Yang;U. Neumann
DOI：
10.1109/cvpr.2016.612
发表时间：
2016
期刊：
2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR)
影响因子：
--
作者：
D. Nguyen;Binh-Son Hua;Minh-Khoi Tran;Quang-Hieu Pham;Sai-Kit Yeung
通讯作者：
D. Nguyen;Binh-Son Hua;Minh-Khoi Tran;Quang-Hieu Pham;Sai-Kit Yeung
DOI：
--
发表时间：
2017-07
期刊：
--
影响因子：
--
作者：
Panos Achlioptas;Olga Diamanti;Ioannis Mitliagkas;L. Guibas
通讯作者：
Panos Achlioptas;Olga Diamanti;Ioannis Mitliagkas;L. Guibas
DOI：
--
发表时间：
2017-03
期刊：
--
影响因子：
--
作者：
M. Zaheer;Satwik Kottur;Siamak Ravanbakhsh;B. Póczos;R. Salakhutdinov;Alex Smola
通讯作者：
M. Zaheer;Satwik Kottur;Siamak Ravanbakhsh;B. Póczos;R. Salakhutdinov;Alex Smola