SeedFormer：基于补丁种子的点云补全方法与上采样Transformer

点云补全在三维点云生成任务中日益受到关注，因其能够从部分观测中恢复三维物体的完整形状，这一问题虽具挑战性，却至关重要。本文提出一种新型网络架构——SeedFormer，旨在提升点云补全任务中细节的保留与恢复能力。与以往依赖全局特征向量的方法不同，我们引入了一种新的形状表示方式——“块种子”（Patch Seeds），该表示不仅能够从部分输入中捕捉整体结构，还能有效保留局部模式的区域信息。通过将种子特征融入生成过程，我们实现了从粗到细的、高保真的完整点云细节恢复。此外，我们设计了一种“上采样Transformer”，通过将Transformer结构扩展至点生成器的基本操作中，有效建模了邻近点之间的空间与语义关系。定性与定量实验结果表明，所提方法在多个基准数据集上均优于现有的先进补全网络。代码已开源，地址为：https://github.com/hrzhou2/seedformer。