摘要
从三维点云中估计表面法向量在表面重建、渲染等多种应用中具有关键作用。尽管现有法向量估计方法在法向量变化缓慢的区域表现良好，但在法向量快速变化的区域往往失效。为解决这一问题，本文提出一种名为MSECNet的新方法，该方法将法向量变化建模视为边缘检测问题，从而提升法向量剧烈变化区域的估计性能。MSECNet由主干网络（backbone network）和多尺度边缘条件化（Multi-scale Edge Conditioning, MSEC）分支组成。MSEC分支通过多尺度特征融合与自适应边缘检测机制，实现鲁棒的边缘检测。检测到的边缘信息随后通过边缘条件化模块与主干网络的输出进行融合，生成具有边缘感知能力的特征表示。大量实验表明，MSECNet在合成数据集（PCPNet）和真实场景数据集（SceneNN）上均优于现有方法，且运行速度显著更快。我们还对MSEC分支中各组件的贡献进行了系统性分析。最后，实验验证了该方法在表面重建任务中的有效性。