Tag · 3 篇
点云去噪
01 02 03
按需路由：DSNet 实现高效渐进式点云去噪
Routing on Demand: DSNet for Efficient Progressive Point Cloud Denoising
把「按需路由」引入点云渐进去噪：用基于法向相似性的噪声判别器为每个图像块（patch）选择去噪模块，并用路径选择性迭代实现跨阶段跳连，可直接迁移到其他迭代式点云/几何处理流程中以减少冗余计算并缓解过平滑。
PQDT：用于鲁棒点云修复的伪查询双 Transformer
PQDT: Pseudo-Query Dual Transformer for Robust Point Cloud Restoration
提出伪查询模块与 Transformer 骨干网络，将几何变换分解为两阶段协同过程，为点云修复提供统一框架，可复用于其他 3D 感知任务中的退化数据处理。
基于形变的上下文学习用于点云理解
Deformation-based In-Context Learning for Point Cloud Understanding
用任务提示引导的形变场替代掩码点建模来预测目标点云，为点云 ICL 提供显式几何先验并消除训练-推理目标不一致，可直接迁移到补全、去噪、配准等点云处理任务。