摘要

随着3D扫描技术的发展，3D视觉任务已成为一个热门的研究领域。由于传感器获取了大量数据，无监督学习对于在无需昂贵标注过程的情况下理解和利用点云变得至关重要。本文提出了一种新颖的框架和一种有效的自编码器架构，命名为“PSG-Net”，用于基于重建的点云学习。与现有研究中使用固定或随机2D点不同，我们的框架为潜在点集生成依赖输入的逐点特征。PSG-Net通过种子生成模块利用编码后的输入生成逐点特征，并通过逐步应用种子特征传播模块，在多个阶段中逐渐提高分辨率以提取更丰富的特征。我们通过实验验证了PSG-Net的有效性；PSG-Net在点云重建和无监督分类任务中表现出色，达到了当前最先进的性能水平，并且在有监督补全任务中的表现也与同类方法相当。