“无懈可击”的“无中生有”！GaussianPU：消费级GPU即可完成彩色点云超采样

文章预览

点击下方 卡片 ，关注“ 3D视觉之心 ”公众号 第一时间获取 3D视觉干货 >> 点击进入→ 3D视觉之心技术交流群 点云超采样的瓶颈 点云超采样的早期方法主要 依赖优化技术 ，但这些方法高度依赖点云的先验知识。基于深度学习的点云超采样网络出现并取得了显著成果。代表性方法有： 分层学习和多级特征聚合 逐步超采样稀疏3D点集的多步骤端到端网络 通过GAN框架学习点的多样化分布，确保超采样片段的均匀性 引入图卷积网络进行超采样，并进行多尺度特征提取 尽管这些深度学习方法取得了很大进展，但由于计算开销大，难以直接处理大规模点云，现有方法大多仅限于处理小于1,024个点的点云片段。此外，这些方法 主要针对几何信息进行超采样，未充分利用彩色点云的颜色特性 。 基于点的神经渲染技术早期利用神经网络增强点云渲染，随着NeRF的 ………………………………