Réseau de Raffinement en Cascade pour la Complétion de Nuages de Points

Les nuages de points sont souvent rares et incomplets. Les méthodes de complétion de formes existantes ne parviennent pas à générer les détails des objets ni à apprendre les distributions complexes de points. Pour ce faire, nous proposons un réseau de raffinement en cascade associé à une stratégie de gros à fin pour synthétiser les formes d'objets détaillées. En considérant les détails locaux de l'entrée partielle avec les informations de forme globales ensemble, nous pouvons préserver les détails existants dans l'ensemble de points incomplet et générer les parties manquantes avec une grande fidélité. Nous concevons également un discriminateur de patch qui garantit que chaque zone locale présente le même motif que la vérité de terrain pour apprendre la distribution complexe des points. Des expériences quantitatives et qualitatives sur différents ensembles de données montrent que notre méthode obtient des résultats supérieurs par rapport aux approches existantes à la pointe de la technologie sur la tâche de complétion de nuages de points 3D. Notre code source est disponible sur https://github.com/xiaogangw/cascaded-point-completion.git.