50、SeedFormer：基于Patch Seeds的点云补全技术

SeedFormer：基于Patch Seeds的点云补全技术

1. 引言

点云补全是计算机视觉和图形学领域的重要任务，旨在从部分点云数据中恢复完整的三维形状。本文介绍的SeedFormer是一种新颖的点云补全网络，它引入了Patch Seeds这一新型形状表示方法，在多个挑战性基准数据集上取得了显著的改进。

2. 实验数据集

2.1 ShapeNet - 55和ShapeNet - 34数据集

• ShapeNet - 55包含ShapeNet的所有55个类别，有41,952个形状用于训练，10,518个形状用于测试。
• ShapeNet - 34使用34个类别的子集进行训练，留下21个未见类别进行测试，其中46,765个对象形状用于训练，3,400个用于已见类别测试，2,305个用于未见类别测试。
• 两个数据集均采样2,048个点作为输入，8,192个点作为真实值。测试阶段选择8个固定视点，部分点云的点数设置为2,048、4,096或6,144，对应简单、中等和困难三个难度级别。

2.2 KITTI数据集

该数据集由户外场景的LiDAR扫描序列组成，根据3D边界框提取每帧中的汽车对象，共得到2,401个部分点云。与其他基于合成模型的数据集不同，KITTI的扫描数据可能非常稀疏，且没有完整的点云作为真实值。

3. 实验结果

3.1 ShapeNet - 55数据集

方法	Table