【CVPR2022】LAKe-Net:通过定位对齐关键点实现拓扑感知点云完成

来源：专知
本文为论文，建议阅读5分钟团队提出了无监督的多尺度关键点检测器并从理论上证明了捕获到的子类别内对象的关键点的有序性。

LAKe-Net: Topology-Aware Point Cloud Completionby Localizing Aligned Keypoints

作者: 唐俊姝、龚致君、易冉、谢源、马利庄

工作简介：点云补全旨在通过局部观察到的点云形状来补全几何和拓扑形状。然而，现有方法无法应对一些原始形状的某些拓扑缺失。团队提出一种新颖的拓扑感知点云补全模型，通过定位对齐的关键点，应用“关键点-骨架-形状”这一补全方式。方法包括三个步骤：对齐关键点定位，表面骨架生成和形状细化。团队提出了无监督的多尺度关键点检测器并从理论上证明了捕获到的子类别内对象的关键点的有序性。团队基于几何先验和关键点的提出了一种名为表面骨架的新型结构，以从关键点捕获信息来表示完整拓扑信息，并更好地恢复局部细节。团队设计了细化模块，用多尺度表面骨架来协助补全过程。实验结果表明，团队的方法在点云补全上达到了最先进的性能。

https://arxiv.org/abs/2203.16771