HSurf-Net: 学習による3次元点群の法線推定ハイパーパーティクル

私たちは、ノイズと密度変動を含む点群から正規ベクトルを正確に予測できる新しい正規推定手法HSurf-Netを提案します。従来の手法は、事前に定義された多項式関数によって近似される幾何学的表面に近傍を適合させるための点の重みを学習することに焦点を当てています。この多項式関数に基づいて正規ベクトルが推定されます。しかし、原始的な点群から表面を明示的に適合させることは、不適切な多項式次数や外れ値により過学習または学習不足の問題が発生しやすく、既存の手法の性能に大きな制限を与えています。これらの問題に対処するために、我々はハイパーサーフェスフィッティングを導入します。これは、点特徴量を受け取り高次元特徴空間で表面パターンを出力する多層パーセプトロン（MLP）層によって表されるハイパーサーフェスを暗黙的に学習する方法です。また、最適な特徴空間を学習するための新たな空間変換モジュールを導入します。このモジュールは、局所集約層と全体シフト層の系列から構成されており、相対位置エンコーディングモジュールによって効果的に点群を学習した特徴空間に変換します。私たちのモデルはノイズなしの特徴量からハイパーサーフェスを学習し、直接正規ベクトルを予測します。データ駆動型でMLPの重みとモジュールパラメータを共同最適化することで、モデルが様々な点に対して最も適切な表面パターンを見つけるように適応的に調整します。実験結果では、HSurf-Netが合成形状データセットおよび実世界の屋内・屋外シーンデータセットにおいて最先端の性能を達成していることが示されています。コード、データおよび事前学習済みモデルは公開されています。