摘要
点云超分辨率是三维重建与三维数据理解中的基础性问题。该任务以低分辨率（Low-Resolution, LR）点云为输入，生成具有丰富细节的高分辨率（High-Resolution, HR）点云。本文提出一种基于图网络与对抗性损失的数据驱动点云超分辨率方法。所提网络的核心思想在于利用点云的局部相似性，以及低分辨率输入与高分辨率输出之间的类比关系。针对前者，我们设计了一种基于图卷积的深度网络结构；针对后者，提出在图卷积中引入残差连接，并在输入与输出之间建立跳跃连接（skip connection）。所提出的网络采用一种新型损失函数进行训练，该函数结合了Chamfer距离（Chamfer Distance, CD）与图对抗性损失（graph adversarial loss），能够自动捕捉高分辨率点云的特征，无需人工设计。我们通过一系列实验对所提方法进行了评估，并验证了其相对于现有方法的优越性。实验结果表明，该方法在性能上达到了当前最优水平，并展现出良好的泛化能力，适用于未见数据的处理。