机构名称：
¥ 1.0
点云完成指的是从部分3D点云中完成3D形状是3D点云分析任务的基本问题。从深度神经网络的发展中受益，对点云完成的研究近年来取得了长足的进步。ever，如现有方法所涉及的明确局部区域分区使它们对点云的密度分布敏感。此外，它提供有限的接收场，可防止从远程上下文信息中捕获功能。为了解决问题，我们利用交叉注意和自我注意力的机制来设计新型的神经网络，以通过隐式局部区域分区完成点云完成。提出了两个基本单元的几何细节（GDP）和自我功能增强（SFA），以通过注意机制以简单而有效的方式直接建立点之间的结构关系。然后，基于GDP和SFA，我们构建了一个新框架，该框架使用流行的编码器架构进行点云组合。所提出的框架，即Pointattn，是模拟的，整洁而有效的，可以精确捕获3D形状的结构信息，并以详细的几何形状预测完整的点云。实验结果表明，我们的PointAttn在多个具有挑战性的基准上优于最先进的方法。代码可在以下网址找到：https：//github.com/ohhhyeahhhh/pointattn
pointattn：您只需要注意点云完成
主要关键词
相关文件推荐
