SoftPool++: 一种用于点云补全的编码器-解码器网络

摘要 我们提出了一种新颖的卷积算子，用于点云补全任务。我们方法的一个显著特征是，与相关工作相反，它不需要任何最大池化或体素化操作。相反，所提出的算子用于在编码器中学习点云嵌入，通过对特征激活进行软池化，提取点云的置换不变特征，从而能够保留细粒度的几何细节。这些特征随后传递给解码器架构。由于编码器中的压缩，这类架构的一个典型限制是它们倾向于丢失输入形状结构的部分。我们提出通过使用专门为点云设计的跳跃连接来克服这一限制，在编码器和解码器中建立对应层之间的链接。在这些连接的一部分中，我们引入了一个变换矩阵，将编码器中的特征投影到解码器中，反之亦然。在ShapeNet数据集上对部分扫描的物体补全任务的定量和定性结果表明，结合我们的方法在低和高分辨率下实现了形状补全的最新性能。