Générateur de points basé sur le style avec rendu adversarial pour la complétion de nuages de points

Dans cet article, nous proposons un nouveau générateur de nuages de points basé sur le style avec rendu adversarial, nommé SpareNet, pour la complétion de nuages de points. Premièrement, nous introduisons EdgeConv à attention sur les canaux, permettant d’exploiter pleinement les structures locales ainsi que la forme globale présentes dans les caractéristiques des points. Deuxièmement, nous observons que la méthode de concaténation utilisée dans les pliages classiques limite leur capacité à générer des formes complexes et fidèles. Inspirés par le succès de StyleGAN, nous considérons les caractéristiques de forme comme un code de style qui module les couches de normalisation durant le processus de pliage, ce qui améliore considérablement leurs performances. Troisièmement, nous constatons que les métriques de supervision existantes, telles que la distance de Chamfer ou la distance de l’homme qui marche (Earth Mover’s Distance), ne reflètent pas fidèlement la qualité perceptive des points reconstruits. Pour remédier à cela, nous proposons de projeter les points complétés en cartes de profondeur à l’aide d’un rendu différentiable, puis d’appliquer un entraînement adversarial afin de favoriser la réalisme perceptif sous différentes perspectives. Des expériences approfondies sur les bases ShapeNet et KITTI démontrent l’efficacité de notre méthode, qui atteint des performances quantitatives de pointe tout en offrant une qualité visuelle supérieure.