當前位置：
OFweek 人工智能網
> 正文
點云上采樣新方法：港城大提出幾何參數域模型實現高效點云加密
2020-03-23 15:37
將門創投
關注
法向量和坐標優化
為了進一步對先前得到的稠密點云和坐標進行優化，需要進行進一步優化。首先需要利用多層感知機f3 預測出每個位于切平面上的點在法向量方向相對于曲面的偏移量，而后利用這一偏移量修正生成稠密點的坐標：
坐標修正如下：
同時針對每個生成點位置處的法向量，也利用一個多層感知機f4來預測出修正的偏移量：
法向量修正如下：
通過進一步的修正是的最終得到的稠密點云不僅分布均勻，貼近真實曲面，同時也為每一點生成了對應的法向量，進一步提高了三維信息的豐富程度。
實驗結果
研究人員從Sketchfab中選取了90個高分辨率的3D網格模型對PUGeo-Net進行訓練，同時利用Chamfer、Hausdorff、點到曲面等距離和Jensen-Shannon散度等度量指標，將PUGeo-Net與EAR、PU-Net、MPU等模型進行了對比，實驗表明，PUGeo-Net在4～16倍的上采樣率上都比先前模型得到的結果要好，同時占用的模型空間也較小：
下圖顯示了重建的CAD模型和掃描數據的上采樣結果：
可以看到PUGeo-Net可以更好地處理幾何細節，在保持目標拓撲結構的基礎上更多的保留了幾何細節。生成結果的結果，稠密點分布更加均勻：
再來看一些更為復雜的重建結果：
分享
聲明：
本文由入駐維科號的作者撰寫，觀點僅代表作者本人，不代表OFweek立場。如有侵權或其他問題，請聯系舉報。
請輸入評論內容...
請輸入評論/評論長度6~500個字
最新活動更多
- 1 AI狂歡遇上油價破百，全球股市還能漲多久？ | 產聯看全球
- 2 OpenAI深夜王炸！ChatGPT Images 2.0實測：中文穩、細節炸，設計師慌了
- 3 6000億美元估值錨定：字節跳動的“去單一化”突圍與估值重構
- 4 Tesla AI5芯片最新進展總結
- 5 連夜測了一波DeepSeek-V4，我發現它可能只剩“審美”這個短板了
- 6 熱點丨AI“瑜亮之爭”：既生OpenClaw，何生Hermes？
- 7 AI界的殺豬盤：9秒刪庫跑路，全員被封號，還繼續扣錢！
- 8 2026，人形機器人只贏了面子
- 9 DeepSeek降價90%：價格屠夫不是身份，是戰略
- 10 AI Infra產業鏈卡在哪里了？
