SoftPool++ : Un Réseau Encodeur-Décodeur pour la Complétion de Nuages de Points

Résumé Nous proposons un nouvel opérateur convolutionnel pour la tâche de complétion de nuages de points. Une caractéristique frappante de notre approche est que, contrairement aux travaux connexes, elle ne nécessite aucune opération de max-pooling ou de voxelisation. Au lieu de cela, l'opérateur proposé utilisé pour apprendre l'embedding du nuage de points dans l'encodeur extrait des caractéristiques invariantes par permutation du nuage de points via un soft-pooling des activations de caractéristiques, qui sont capables de préserver des détails géométriques fins. Ces caractéristiques sont ensuite transmises à une architecture de décodeur. En raison de la compression dans l'encodeur, une limitation typique de ce type d'architectures est qu'elles tendent à perdre des parties de la structure de forme d'entrée. Nous proposons de surmonter cette limitation en utilisant des connexions de saut spécifiquement conçues pour les nuages de points, où des liens entre les couches correspondantes dans l'encodeur et le décodeur sont établis. Dans le cadre de ces connexions, nous introduisons une matrice de transformation qui projette les caractéristiques de l'encodeur vers le décodeur et vice-versa. Les résultats quantitatifs et qualitatifs sur la tâche de complétion d'objet à partir de scans partiels sur le jeu de données ShapeNet montrent qu'incorporer notre approche atteint des performances de pointe en complétion de forme à la fois à faible et haute résolution.