【摘 要】
：
点云补全旨在将残缺的稀疏点云还原成完整的密集点云。基于孪生网络的方法通过特征匹配学习完整点云的先验信息,但是其使用的基于多层感知机的编码器提取点云特征时性能不佳。而基于变换网络的方法虽然采用点变换与点集抽象等手段解决该问题,但它没有利用完整点云结构的先验知识。此外,现有点云补全方法忽视了保持全局结构的重要性,这导致部分样本在细化时会逐渐偏离原有的形状。为了更好地利用完整点云中的先验信息,同时避免补
论文部分内容阅读
点云补全旨在将残缺的稀疏点云还原成完整的密集点云。基于孪生网络的方法通过特征匹配学习完整点云的先验信息,但是其使用的基于多层感知机的编码器提取点云特征时性能不佳。而基于变换网络的方法虽然采用点变换与点集抽象等手段解决该问题,但它没有利用完整点云结构的先验知识。此外,现有点云补全方法忽视了保持全局结构的重要性,这导致部分样本在细化时会逐渐偏离原有的形状。为了更好地利用完整点云中的先验信息,同时避免补全过程中点云全局结构的丢失,提出一种孪生网络与变换网络相结合的方法,并提出一种兼顾全局与局部结构重建的注意力机制。具体为:第一,提出一种孪生网络架构,它由基于点变换的重建子网络和补全子网络构成的,以充分挖掘完整点云里含有的先验信息。每个子网络均由点集抽象层与点变换网络交叉排列组成,使子网络在下采样的过程中逐渐加强特征向量的表现力。通过两个子网络输出特征之间的对比损失,来引导补全网络从重建网络中学习完整点云的特征,使得补全网络能从残缺点云中提取潜在全局结构特征。第二,提出一种用于细化的注意力机制,它由并联的局部注意力与非局部注意力单元组成,以提升补全网络还原局部细节与保持全局结构的能力。其中局部注意力单元主要学习关键点与其邻域在特征上的差异,并通过这样的差异确定邻域中的子点的大致位置,而非局部注意力单元将所有候选点的特征两两关联起来,通过全局范围内点云的相似性来调整点云的整体结构。实验验证了基于孪生变换网络的点云补全方法相比同类方法具有一定的优越性,在PCN数据集上,取得了7.09的倒角距离与0.806的F-score值,在Completion3D数据集上,取得了7.21的倒角距离与0.822的F-score值,优于绝大多数的经典方法。通过进一步的消融实验,验证了改进模块的合理性与有效性,可视化结果从视觉上表明非局部注意力单元与孪生的网络结构约束了整体结构中离散点的出现,使点云结构更加整齐稳定。
其他文献
党的二十大提出了“中国式现代化”重要思想，中国式农村教育现代化也被赋予新的时代内涵。农村教育发展受所处社会的政治、经济、文化等因素的综合影响。系统梳理新中国成立以来农村教育发展的历史脉络显示：农村教育优先发展战略地位的确立、多管理主体权责关系的平衡、多样化办学实践样态的探索、系统化改革发展思维的完善共同构成了农村教育现代化的实践逻辑。中国式农村教育现代化的推进要通过加强乡村教师队伍建设、挖掘农村教
随着芯片行业的快速发展,摩尔定律出现了瓶颈,不再适用于工艺制程不断缩小的新兴芯片技术。传统的单芯片片上系统（System on Chip,SoC）架构的性能提升速度逐步下降,因此,Chiplet架构受到了学术界与工业界的广泛关注。Chiplet架构的特点表现为支持不同制程、不同功能的芯片封装在一起。但是,现有的基准测试集功能单一,且主要面向同构架构,即缺少针对Chiplet中常见的异构架构的基准测
医疗票据识别依赖于光学字符识别技术,主要包含两个阶段:文本检测和文本识别。在文本检测阶段,由于医疗票据中印刷、机打文本相互覆盖,导致文本检测框中存在多种不同类型的文本。在文本识别阶段,基于CRNN（Convolutional Recurrent Neural Network）的文本识别方法对票据中干扰多、模糊的文本图像识别准确率不高。针对上述问题,基于DBNet算法提出了多分类文本检测改进,同时设
肺结节是肺部疾病的一种常见表现形式。采用基于深度学习的方法,实现肺结节自动化检测和分割,将为医生提供有力的帮助。深度神经网络的训练需要较多的数据,针对医学图像难以获取的问题,采用生成对抗网络生成医学图像不失为扩增数据集的一种有效办法。根据肺结节生成任务的需求,以图像修复为生成的基本思路,在正常CT图像中“挖出”需要生成结节的区域及周围区域,对挖出的三维数据块保留边缘信息并用随机噪声填充需要生成的中
软件加壳是恶意代码逃避安全监测的主要方法之一,自动化脱壳是应对此类安全问题的有效技术。但多数基于动态分析的自动化脱壳系统在应对多层壳和其他类复杂加壳时,存在脱壳成功率低、脱壳分析开销高和脱壳速率慢的问题。因此设计一种快速、低开销的脱壳系统,对增强恶意代码安全检测能力有重要帮助。针对加壳二进制文件的运行过程提出Wirte-then-Call-with-Entropy脱壳分析模型,该模型关注于样本运行
计算机断层扫描（Computed Tomography,CT）技术被广泛应用在医学成像诊断中,图像的分辨率是CT图像成像质量的关键参数之一,较小的切片间隔能够提供更高的空间分辨率。然而临床上获得高质量的CT图像意味着更高的成本和暴露在放射性坏境中更长时间带来的癌变风险,因此一般使用较大层厚的CT图像。为了更好地利用厚层CT图像,需要设计方法从厚层图像中重建相应的薄层图像。3DSRGAN（3D Su
近年来,以自然语言处理为基础的问答系统蓬勃发展并成为各行业热门,其中,教育背景下的课程知识问答系统可将学生问题从时间空间限制中解放出来,提高学习效率。但当问答系统服务对象为小学生时,针对其思维灵活和问题多样等特点,如何提高系统问答质量与效率是研究的重点。针对用户提出的需求,明确小学生课程问答系统目标,以生成式和检索式结合设计了系统总体框架,并针对问答生成模块进行详细分析,重点阐述了改进生成式模型和
新闻事件检测和跟踪旨在将报道相同内容的新闻文章聚类为一个事件并构建事件之间的逻辑关系。传统的主题检测和跟踪、聚类算法只注重将相关的文档聚类为一个主题,但是存在聚类粒度较为粗糙或者需要事先确定聚类结果个数的问题。最新的研究提出基于社区检测算法的双层聚类来识别新闻流中的事件并采用树形结构对事件进行跟踪,由于它们不能较好的捕捉到金融新闻术语表达的多样性导致事件检测以及事件跟踪效果不佳。针对以上问题提出的
电力基础建设作为各个行业发展的基石,对经济发展至关重要。然而,电力工程往往具有繁杂的子工序,这给管理带来了重大挑战。电力工程工序优化问题本质上属于多目标优化问题范畴,由于多个目标之间存在相互制约的关系,从而导致传统方法无法适用于这类问题。因此,需要一种有效的多目标优化方法为电力工程编制合理的工序进度计划,实现工程效益最大化。遗传算法广泛应用于解决各个领域的多目标优化问题,其中,快速非支配排序遗传算
肺部疾病是世界范围内的主要死亡原因之一。对于大多数肺部疾病,早期的筛查和诊断对病情的控制和治疗具有重要作用。目前临床上对肺部疾病的诊断主要依靠胸部X射线和CT图像等手段,然而对于医疗资源较为稀缺的地区,影像检查存在检测难、费用高、成像质量低等问题。此外,很多肺部疾病早期在影像上并无明显表现,这些都可能造成病情的延误。针对上述问题,提出使用血常规等临床检验指标对肺部疾病进行诊断研究。临床检验指标相较