要約
点群補完は、部分的な点群から欠落している形状を推定することを目的とする。従来のエンコーダ・デコーダ型の生成モデルは、形状事前分布から学習した潜在空間から完全な点群を再構成するが、潜在空間埋め込みにおける情報損失のため、幾何学的細部（例えば鋭い構造や滑らかな表面を持たない構造）が歪んでしまう場合がある。この問題に対処するため、本研究では点群補完を幾何変換問題として定式化し、シンプルかつ効果的な幾何変換ネットワーク（GTNet）を提案する。本手法は一般的な3Dオブジェクトに共通する繰り返し構造を活用して完全な形状を回復するものであり、幾何パッチネットワーク、構造変換ネットワーク、詳細精緻化ネットワークの3つのサブネットワークから構成される。具体的には、幾何パッチネットワークが反復的に欠損部と関連または類似する繰り返し幾何構造を発見する。その後、構造変換ネットワークは、対応する欠損部を、対称性、回転、並進、均一スケーリングなどの空間変換を学習することで補完する。最後に、詳細精緻化ネットワークがグローバル最適化を実行し、不自然な構造を除去する。広範な実験により、本手法がShapeNet55-34、MVP、PCN、KITTIの各データセットにおいて、最先端手法を上回ることを示した。モデルおよびコードは、https://github.com/ivislabhit/GTNet にて公開される予定である。