點雲PCL免費知識星球，點雲論文速讀。
標題：Local Implicit Grid Representations for 3D Scenes
作者：Chiyu “Max” Jiang1,2 Avneesh Sud
星球ID：particle
歡迎各位加入免費知識星球，獲取PDF論文，歡迎轉發朋友圈分享快樂。
●論文摘要
從點雲數據中學習的形狀先驗知識，通常應用在從局部或帶有噪聲的點雲數據的三維重建。然而，由於典型的三維自動編碼器無法處理其規模、複雜性或多樣性，因此室內場景中沒有這樣的形狀預測器。在本文中，我們引入了局部隱式網格（Local Implicit Grid）表示，這是一種新的三維形狀表示，旨在實現可擴展性和通用性。大多數三維曲面在某種尺度上共享幾何細節，本文訓練一個自動編碼器來學習如何嵌入這種大小的三維點雲形狀。然後，我們使用解碼器作爲形狀優化中的一個組件，該形狀優化解決了重疊作物的規則網格上的一組潛在代碼，使得解碼的局部形狀的插值匹配部分或噪聲觀測。並證明了該方法在稀疏點觀測三維曲面重建中的價值，實驗證明該方法明顯優於其他方法。
●主要貢獻
提出了局部隱式網格（ Local Implicit Grid LIG）表示，一種由重疊部分大小的局部區域組成的規則網格，每個區域都用隱式特徵向量編碼。
這項工作的主要貢獻：
•提出了幾何圖形的局部隱式網格表示，在零件點雲上學習和利用幾何特徵，以及相關的方法，例如重疊隱式網格機制和隱式網格優化方法，以高還原度表示和重建場景。
•與學習整個對象先驗