论文学习随记:PF-Net: Point Fractal Network for 3D Point Cloud Completion

文章目录

  • 1. 什么是genus-wise distortions problem(属类失真问题)
  • 2. FPN结构
  • 3. GAN网络

1. 什么是genus-wise distortions problem(属类失真问题)

原文:Nonetheless, the reconstructed points may still have genus-wise distortions when the original surface is too complex.
其实就是指当原始表面构成复杂时,会无法完美表示。例如飞机机翼上的小翼、椅背上的孔。图例:论文学习随记:PF-Net: Point Fractal Network for 3D Point Cloud Completion_第1张图片

2. FPN结构

学习参考链接

3. GAN网络

学习参考链接
如果不了解GAN网络的话,似乎无法理解论文中如何定义了adversarial loss,也无法了解其意义。
那么结合参考中对GAN的解释,理解一下adversarial loss:F相当于是生成器,目的是使生成的“假东西”效果好,即D(F(xi))要越大越好(因为D的分类结果为真是1,为假是0),所以生成器F的目的是让后一项接近为0;而鉴别器D则是要使前一项接近1(即 把真的判定为真),后一项也接近1(因为有负号)。故由此产生对抗。

你可能感兴趣的:(点云补全论文及代码阅读,3d,深度学习,计算机视觉)