点云补全网络 PF-Net小笔记

  • 介绍一下我认为的亮点:
  1. 使用了多尺度点云特征提取。
  2. 借鉴了IFPS 进行点云下采样(当然,并非首次出现于此工作,来源于PointNet++),下采样效果好于随机选取。
  3. 多尺度特征解码器,作者声称可以更好地考虑局部几何特征
  4. 在重建策略方面,不同于以往关注全部的点云,这项工作重点关注丢失的部分,好处是没有丢失的点云的还可以保持原始的形状。
  5. 借鉴GAN形成adv损失。

你可能感兴趣的:(深度学习,深度学习,计算机视觉,神经网络,人工智能)