ICCV 2021 Oral

作者 | 于旭敏

编辑 | 王晔

我们提出了一种几何敏感的 点云补全Transformer ，通过将点云表示成为一组无序的点代理，并采用 Transformer 的 Encoder-Decoder结构 进行缺失点云生成。除此以外，我们提出了两个更具有挑战性的点云补全 Benchmark——ShapeNet-55/34 。我们的论文已被ICCV接收为Oral Presentation，代码、数据集与模型均以开源。

代码仓库： https://github.com/yuxumin/PoinTr

论文链接： https://arxiv.org/abs/2108.08839

视频： https://youtu.be/mSGphas0p8g

1

简介

在现实场景下，现有的3D传感器由于物体自遮挡等问题只能采集到缺失且稀疏的点云数据，所以如何将这样缺失且稀疏的点云进行补全以得到高品质的点云，具有重大意义。

想要借助无序且缺乏结构的点云数据进行3D物体形状的补全，我们需要充分挖掘已知点云中的结构信息与长程关系。 为此，我们将点云补全问题建模为一个集合到集合的翻译问题，即通过已知的点云的信息翻译得到缺失部分的点云。我们提出了 PoinTr模型 ，其核心在于 通过Transformer-Encoder充分建模已知点云的结构信息与点间关系，再通过Transformer-Decoder学习缺失部分与存在部分的相互关系并以此重建缺失点云。

同时我们提出两个更具挑战性的点云补全 Benchmark ，用以检验点云补全模型在更贴近真实条件下的补全表现。其中 ShapeNet-55 相比于PCN数据集考虑了更多样的任务（点云补全与点云上采样）、更多样的种类（从原本的8类到55类）、更多样的缺失视角（从原本的8视角到任意可能视角）以及更多样级别的缺失（缺失25%到75%的点云）； ShapeNet-34 则可以测试模型在训练集中不存在的类别的物体上的补全表现。

（ShapeNet-55/34数据集）

2

方法

下面介绍我们的整体框架， 我们提出的PoinTr主体由Transformance Encoder-Decoder构成：

简单来说，在对点云进行补全时，我们会先将点云处理成为固定数目的点代理，方便作为Transformer的输入；然后我们通过Encoder对现有点云进行编码，通过Query Generator后生成第一阶段的点云中心和对应的动态Queries；最后这些Queries通过Decoder被翻译成点代理，点代理经过一个FoldingNet得到相对于特定中心点的偏移量，通过将对应中心进行移动，我们可以得到某个点代理对应的局部点云。

• 点代理生成：

想要将点云作为Transformer的输入， 首先我们需要将点云处理成一个序列。 最简单的想法是将每一个点作为序列的一个元素作为输入，但是这样会带来非常大的计算资源负担。所以我们提出可以将点云处理成一系列的点代理，用来代表点云上的一个局部区域特征。首先，我们对点云进行最远点采样（FPS），得到固定的N个中心点 ；然后，我们使用一个轻量的DGCNN对局部区域进行特征提取，这样我们可以得到N个局部区域的特征 ，其中 对应了以 为中心点的区域的特征。最后，我们利用一个MLP网络 ，提取每一个局部特征的位置嵌入(positional embedding)，相加后得到点代理，即 ，作为Encoder的输入。

• Encoder-Decoder结构：

如上图所示， Encoder由多头自注意力层(multi-headself-attention layer)与前馈神经网络(feed-forward network)组成，Decoder则由多头自注意力层、编码器解码器交叉注意力层和前馈神经网络构成。

• 几何敏感的Transformer：

我们针对点云输入设计了一种即插即用的新型transformer block。在原本的transformer 模块中，网络只利用自注意力机制挖掘不同部分之间的关系，这其实是一种基于特征相似度的长程语义关系，为了利用点云数据的归纳偏置， 我们将局部几何关系补充到自注意力模块。

我们根据点代理 对应的三维点坐标 ，使用kNN将空间中相邻的点代理拼接在一起，使用一层线性层进行局部几何信息学习，通过将该结果和自注意力机制的结果进行融合，我们可以同时挖掘长程语义相关性，也同时保留了有效的局部几何关系，有效的提高了模型的性能。

• Query生成器：

Queries是待预测点代理的初始状态，用于指导缺失点云的重建。 我们首先通过Encoder的输出特征得到全局特征 ，如最大池化，并通过一个线性层预测粗略的缺失点云中心点坐标 。将缺失点云中心点坐标与全局特征拼接后，用一个多层感知机生成query特征，即

• 点云预测：

通过Decoder被翻译为一个点代理 ，该点代理对应了 以为中心的局部点云。我们利用FoldingNet对点代理进行偏移坐标重建：即

最后我们将输入点云与预测结果进行拼接，即可以得到最终的预测结果。

3

实验结果

首先我们将PoinTr和现有一些方法在ShapeNet-55与ShapeNet-34上进行了实验，在Simple，Moderate与Hard三个难度下（缺失25%，50%，75%点云），PoinTr在Chamfer Distance与F1指标上都取得了最好表现；

同时我们也在PCN数据集上进行了测试，也取得了最好表现。

为了验证我们提出的方法的有效性，我们对我们的方法进行了消融实验，可见我们提出的方法都有效提高了Transformer模型在点云补全任务上的效果。

最后我们使用我们的方法对真实雷达数据进行补全，在数值结果和可视化结果下都取得了提升。

4

总结

在这项工作中，我们提出了适合点云补全的PoinTr模型，很好地将Transformers引入到点云补全任务中，并在已有的合成数据集与真实数据集上取得了目前最好性能。除此以外，我们提出了更具挑战性的ShapeNet-55和ShapeNet-34，来模拟真实条件下的复杂缺失场景。我们希望本文提出的PoinTr和新的Benchmark可以为未来点云补全提供思路与启发。

参考文献：

[1]Ashish Vaswani, Noam Shazeer,Niki Parmar, Jakob Uszkoreit, Llion Jones, Aidan N. Gomez, Lukasz Kaiser, andIllia Polosukhin. Attention is All You Need. NeurIPS, pages 5998–6008, 2017.

[2]Haozhe Xie, Hongxun Yao, Shangchen Zhou, Jiageng Mao,Shengping Zhang, and Wenxiu Sun. GRNet: Gridding Residual Network for Dense PointCloud Completion. ECCV, pages 365–381, 2020.

[3]Wentao Yuan, Tejas Khot, David Held, Christoph Mertz,and Martial Hebert. PCN: Point Completion Network. 3DV, pages 728–737, 2018.

[4]Zhirong Wu, Shuran Song, Aditya Khosla, Fisher Yu,Linguang Zhang, Xiaoou Tang, and Jianxiong Xiao. 3D ShapeNets: A Deep Representationfor Volumetric Shapes. CVPR, pages 1912–1920, 2015.

[5]Andreas Geiger, Philip Lenz, Christoph Stiller, andRaquel Urtasun. Vision Meets Robotics: The KITTI Dataset. International Journalof Robotics Research, 2013.

扫码添加小助手微信（AIyanxishe3），备注ICCV2021拉你进群。

雷锋网雷锋网 (公众号：雷锋网) 雷锋网

雷锋网特约稿件，未经授权禁止转载。详情见。