摘要

近年来，计算机视觉领域的插值任务受到了显著的关注。尽管视频插值技术取得了巨大进展，但点云插值仍然未得到充分研究。同时，现实场景中存在大量非线性的大运动，使得点云插值任务更具挑战性。鉴于这些问题，我们提出了 NeuralPCI：一种端到端的 4D 空间-时间神经场（Neural field），用于 3D 点云插值，该方法隐式地整合了多帧信息，以处理室内和室外场景中的非线性大运动。此外，我们构建了一个新的多帧点云插值数据集 NL-Drive，专门针对自动驾驶场景中的大非线性运动，以更好地展示我们方法的优势。最终，NeuralPCI 在 DHB（动态人体）和 NL-Drive 数据集上均实现了最先进的性能。除了插值任务外，我们的方法还可以自然地扩展到点云外推、变形和自动标注等领域，这表明其在其他领域具有巨大的潜力。代码已发布在 https://github.com/ispc-lab/NeuralPCI。