Résolution de pointage superieure par réseaux graphiques résiduels adverses

La super-résolution de nuages de points constitue un problème fondamental pour la reconstruction 3D et la compréhension des données 3D. Elle consiste à prendre en entrée un nuage de points de faible résolution (LR) et à générer en sortie un nuage de points de haute résolution (HR) richement détaillé. Dans cet article, nous proposons une méthode fondée sur les données pour la super-résolution de nuages de points, basée sur des réseaux de graphes et des pertes adversariales. L'idée centrale du réseau proposé repose sur l'exploitation de la similarité locale au sein du nuage de points, ainsi que sur l'analogie entre l'entrée de faible résolution et la sortie de haute résolution. Pour la première composante, nous concevons un réseau profond utilisant des convolutions sur graphes. Pour la seconde, nous introduisons des connexions résiduelles dans les convolutions sur graphes, ainsi qu'une connexion directe (skip connection) entre l'entrée et la sortie. Le réseau proposé est entraîné à l’aide d’une nouvelle fonction de perte combinant la distance de Chamfer (CD) et une perte adversarielle basée sur le graphe. Cette fonction de perte permet de capturer automatiquement les caractéristiques propres aux nuages de points de haute résolution, sans nécessiter de conception manuelle. Nous menons une série d’expériences pour évaluer notre méthode et valider son avantage par rapport aux approches existantes. Les résultats montrent que la méthode proposée atteint des performances de pointe (state-of-the-art) et possède une bonne capacité de généralisation sur des données inédites.