文物修复28|基于深度学习的三维点云补全处理与分析的综合综述
深度学习(dl)的进展令人印象深刻地提高了点云补全的能力和鲁棒性。这项工作旨在对各种方法进行全面调查，包括基于点、基于视图、基于卷积的、基于图的、基于生成模型、基于转换器的方法等。本调查总结了这些方法之间的比较。此外，这篇综述总结了常用的数据集，说明了点云补全的应用。最后，我们还讨论了这种迅速扩展领域的可能研究趋势。面临的挑战：结构信息、细粒度的完整形状挑战。点云补全是由部分点云导出的。
·
摘要
点云补全是由部分点云导出的生成和估计问题，深度学习(dl)的进展令人印象深刻地提高了点云补全的能力和鲁棒性。这项工作旨在对各种方法进行全面调查，包括基于点、基于视图、基于卷积的、基于图的、基于生成模型、基于转换器的方法等。本调查总结了这些方法之间的比较。此外，这篇综述总结了常用的数据集，说明了点云补全的应用。最后，我们还讨论了这种迅速扩展领域的可能研究趋势。
面临的挑战：结构信息、细粒度的完整形状挑战
魔乐社区（Modelers.cn) 是一个中立、公益的人工智能社区，提供人工智能工具、模型、数据的托管、展示与应用协同服务，为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作，由全产业链共同建设、共同运营、共同享有，推动国产AI生态繁荣发展。
更多推荐
2
0- 0
已为社区贡献31条内容
所有评论(0)