Réseau de complétion de forme guidé par dictionnaire orthogonal pour nuage de points

La complétion de formes à partir de nuages de points, dont l’objectif est de reconstruire les régions manquantes des nuages de points incomplets avec des formes plausibles, est une tâche mal posée et particulièrement difficile, mais bénéfique pour de nombreuses applications 3D en aval. Les approches antérieures parviennent à cet objectif en utilisant un cadre en deux étapes : elles génèrent d’abord un nuage de points initial grossier mais complet à l’aide d’un réseau encodeur-décodeur, puis procèdent à une raffinement et une suréchantillonnage. Toutefois, les caractéristiques encodées subissent une perte d’information concernant les parties manquantes, ce qui empêche le décodeur de reconstruire des points initiaux riches en détails géométriques. Pour surmonter ce problème, nous proposons un nouveau réseau de complétion de formes guidé par un dictionnaire orthogonal (ODGNet). Ce dernier se compose d’un U-Net de génération de points initiaux, qui exploite une extraction et une concaténation de caractéristiques à plusieurs niveaux afin d’améliorer significativement la capacité de représentation des points initiaux, ainsi que de dictionnaires orthogonaux capables d’apprendre des priorités de forme à partir d’échantillons d’entraînement, compensant ainsi la perte d’information liée aux régions manquantes lors de l’inférence. Notre architecture est simple mais ciblée : des résultats expérimentaux étendus montrent que la méthode proposée permet de reconstruire des nuages de points plus détaillés et surpasser les approches de pointe précédentes. Le code de mise en œuvre est disponible à l’adresse suivante : https://github.com/corecai163/ODGNet.