【3D点云】开源 | 北大--性能SOTA的去噪方法！无论在合成噪声还是真实环境噪声下！

获取完整原文，公众号回复：2007.13551

论文地址： http://arxiv.org/pdf/2007.13551v1.pdf

代码： https://github.com/luost26/dmrdenoise

来源： 北京大学

论文名称：Differentiable Manifold Reconstruction for Point Cloud Denoising

原文作者：Shitong Luo

内容提要

3D点云由于采集设备的固有局限性，经常受到噪声的干扰，阻碍了3D点云的表面重建、绘制等后续工作。以往的工作主要是从下曲面推断出有噪点的位移，但没有明确地指定去噪点来恢复曲面，可能导致去噪结果不理想。为此，本文提出学习具有微噪声扰动的可微下采样点的噪声点云的底层流形及其嵌入的邻域特征，以捕获点云的内在结构。特别地，我们提出了一个像自编码器的神经网络。编码器学习每个点的局部和非局部特征表示，然后通过自适应可微池操作以低噪声采样点。然后，解码器通过将每个采样点及其邻域的嵌入特征转换为以该点为中心的局部曲面来推断底层流形。通过对重构流形进行重采样，得到去噪后的点云。此外，我们设计了一个无监督的训练损失，使我们的网络可以在无监督或有监督的方式训练。实验结果表明，无论在合成噪声还是在真实环境噪声下，该方法的性能SOTA！

主要框架及实验结果

声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请加上文微信联系删除。