要約
私たちは非構造化3次元点群に対する表面適合方法を提案します。この方法はDeepFitと呼ばれ、ニューラルネットワークを用いて重み付き最小二乗多項式表面適合の各点の重みを学習します。学習された重みは、表面点の近傍に対するソフト選択として機能し、従来の方法で必要だったスケール選択を回避します。ネットワークの訓練のために、私たちは新しい表面一貫性損失を提案しており、これにより点の重み推定が改善されます。本手法では、法線ベクトルや主曲率などの幾何学的特性を抽出することが可能であり、これらの特性は訓練中に真値として提示されていませんでした。我々はベンチマークデータセットでの法線および曲率推定において最先端の結果を達成し、ノイズ、外れ値、密度変動に対する堅牢性を示し、さらにノイズ除去への応用も紹介します。