摘要

本文探讨了在辅助图像引导下的点云补全这一近期研究热点。我们展示了如何在局部潜在空间中有效融合两种模态（点云与图像）的信息，从而避免使用当前最先进方法中依赖单视角重建的复杂点云恢复技术。此外，我们提出了一种新颖的弱监督学习设置：通过在补全后的点云上使用可微分渲染器，在图像空间中衡量重建结果的保真度，从而为训练过程提供监督信号。实验结果表明，该方法在单模态与多模态点云补全任务上均显著优于现有的最先进监督方法。同时，我们验证了弱监督策略的有效性，其性能超越了多项监督方法，并在仅利用点云信息的最新监督模型中具备竞争力。