自己教師型任意スケールポイントクラウドのアップサンプリングに関する暗黙のニューラル表現

ポイントクラウドのアップサンプリングは、与えられたスパース入力から密で均一なポイントクラウドを生成するという困難な問題です。既存の多くの手法は、スパース入力と密なグラウンドトゥルースのペアの大量を監視情報として利用するエンドツーエンドの教師あり学習ベースの方法を採用するか、異なるスケールファクターのアップスケーリングを独立したタスクとして扱い、異なるファクターでのアップサンプリングに対処するために複数のネットワークを構築する必要があります。本論文では、自己教師型かつ拡大フレキシブルなポイントクラウドのアップサンプリングを同時に実現する新しいアプローチを提案します。ポイントクラウドのアップサンプリングを、種点の近接投影ポイントを探すタスクとして定式化します。このために、投影方向と距離をそれぞれ推定する2つの暗黙のニューラル関数を定義し、これを2つの前提学習タスクによって訓練します。実験結果は、我々の自己教師型学習に基づくスキームが、教師あり学習に基づく最先端の手法と競争力のある、あるいはそれ以上の性能を達成することを示しています。ソースコードは公開されています：https://github.com/xnowbzhaolsapcu.