三维补全关键技术研究综述

肖海鸿; 吴秋遐; 李玉琼; 康文雄

doi:10.37188/OPE.20233105.0667

您当前的位置：

首页 >

文章列表页 >

三维补全关键技术研究综述

三维地形测绘 | 更新时间：2026-09-12

- 三维补全关键技术研究综述
- Key techniques for three-dimensional completion： a review
- 光学精密工程 2023年31卷第5期页码：667-696
- 作者机构：
  
  1.华南理工大学自动化科学与工程学院，广东广州 510640
  2.华南理工大学软件学院，广东广州 510006
  3.中国科学院力学研究所国家微重力实验室，北京 100190
- 作者简介：
  
  肖海鸿（1995-），男，四川达州人，博士研究生，2021年于南京农业大学获得硕士学位，主要从事三维视觉与场景表示学习方面的研究。E-mail： auhhxiao@mail.scut.edu.cn
  康文雄（1976-），男，湖南新化人，教授，博士生导师，2003年于西北工业大学获得硕士学位，2009年于华南理工大学获得博士学位，主要从事图像处理、模式识别和计算机视觉等方面的研究。E-mail： auwxkang@scut.edu.cn
- 基金信息：
  
  国家自然科学基金项目(61976095;61575209);广东省自然科学基金项目(2022A1515010114);中央高校基本科研业务费专项资金项目(2022ZYGXZR099)
- DOI：10.37188/OPE.20233105.0667
  中图分类号： TP391.4
- 收稿：2022-09-10，
  
  修回：2022-10-14，
  
  纸质出版：2023-03-10
- 稿件说明：
移动端阅览
肖海鸿,吴秋遐,李玉琼等.三维补全关键技术研究综述[J].光学精密工程,2023,31(05):667-696.

XIAO Haihong,WU Qiuxia,LI Yuqiong,et al.Key techniques for three-dimensional completion： a review[J].Optics and Precision Engineering,2023,31(05):667-696.
肖海鸿,吴秋遐,李玉琼等.三维补全关键技术研究综述[J].光学精密工程,2023,31(05):667-696. DOI： 10.37188/OPE.20233105.0667.

XIAO Haihong,WU Qiuxia,LI Yuqiong,et al.Key techniques for three-dimensional completion： a review[J].Optics and Precision Engineering,2023,31(05):667-696. DOI： 10.37188/OPE.20233105.0667.

摘要

从部分观测信息中推断出完整三维形状与语义场景信息对自动驾驶、机器人视觉、元宇宙生态体系构建等而言是至关重要的，因此，主要围绕三维形状补全、三维场景补全和三维语义场景补全任务而展开的三维补全技术被广泛研究。本文围绕上述三维补全任务，对近年来的相关研究工作进行了系统性的分析和总结。首先，针对三维形状补全任务，对基于传统方法的形状补全和基于深度学习的形状补全这两个方面的研究进展进行了综述。其次，针对三维场景补全任务，对基于模型拟合的场景补全和基于生成式的场景补全方法这两个方面的研究进展进行了综述。再次，针对三维语义场景补全任务，深入分析了场景补全和语义分割两大任务之间的耦合特性，并根据输入数据的不同类型，对基于深度图的语义场景补全方法、基于深度图联合彩色图像的语义场景补全方法、以及基于点云的语义场景补全方法这三个方面的研究进展进行了综述。最后，对三维补全任务目前面临的主要问题及未来发展趋势进行了分析和展望，旨在为三维视觉中这一新兴领域的相关研究者提供一些有益的参考。

Abstract

The inference of complete three-dimensional （3D） shape and semantic scene information from partial observations is crucial for various applications， such as autonomous driving， robotic vision， and metaverse ecosystem construction. Research on 3D completion has primarily focused on 3D-shape， 3D-scene， and 3D-semantic scene completion. In this paper， we systematically summarize and analyze recent relevant studies concerning these 3D completion tasks. First， for 3D-shape completion， the research progress is reviewed from two aspects： traditional shape completion and deep learning-based shape completion. Second， for 3D-scene completion， the research progress is reviewed from two aspects： the scene completion method based on model fitting and the scene completion method based on a generative approach. For 3D-semantic scene completion， the coupling characteristics between the two tasks of scene completion and semantic segmentation are analyzed， and the research progress is reviewed from three aspects： the depth map-based semantic scene completion method， the depth map-based semantic scene completion method with color images， and the point cloud-based semantic scene completion method， according to the different forms of input data. Finally， we analyze the current problems and future development trends of 3D completion tasks， aiming to provide a reference for related studies in this emerging field in 3D vision.

关键词

Keywords

references

陈俊英，白童垚，赵亮 . 互注意力融合图像和点云数据的3D目标检测［J］. 光学精密工程， 2021 ， 29 （ 9 ）： 2247 - 2254 . doi: 10.37188/OPE.20212909.2247 http://dx.doi.org/10.37188/OPE.20212909.2247

CHEN J Y ， BAI T Y ， ZHAO L . 3D object detection based on fusion of point cloud and image by mutual attention ［J］. Opt. Precision Eng. ， 2021 ， 29 （ 9 ）： 2247 - 2254 . （in Chinese） . doi: 10.37188/OPE.20212909.2247 http://dx.doi.org/10.37188/OPE.20212909.2247

杨军，张敏敏 . 利用模型相似性的三维模型簇协同分割［J］. 光学精密工程， 2021 ， 29 （ 10 ）： 2504 - 2516 . doi: 10.37188/OPE.20212910.2504 http://dx.doi.org/10.37188/OPE.20212910.2504

YANG J ， ZHANG M M . Co-segmentation of three-dimensional shape clusters by shape similarity ［J］. Opt. Precision Eng. ， 2021 ， 29 （ 10 ）： 2504 - 2516 . （in Chinese） . doi: 10.37188/OPE.20212910.2504 http://dx.doi.org/10.37188/OPE.20212910.2504

刘东生，陈建林，费点，等 . 基于深度相机的大场景三维重建［J］. 光学精密工程， 2020 ， 28 （ 1 ）： 234 - 243 . doi: 10.3788/ope.20202801.0234 http://dx.doi.org/10.3788/ope.20202801.0234

LIU D S ， CHEN J L ， FEI D ， et al . Three-dimensional reconstruction of large-scale scene based on depth camera ［J］. Opt. Precision Eng. ， 2020 ， 28 （ 1 ）： 234 - 243 . （in Chinese） . doi: 10.3788/ope.20202801.0234 http://dx.doi.org/10.3788/ope.20202801.0234

YIN T W ， ZHOU X Y ， KRÄHENBÜHL P . Center-based 3D object detection and tracking ［C］. 2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）. Nashville ， TN ， USA . IEEE ， 2021 ： 11779 - 11788 . doi: 10.1109/cvpr46437.2021.01161 http://dx.doi.org/10.1109/cvpr46437.2021.01161

CHEN H S ， WANG P C ， WANG F ， et al . EPro-PnP： generalized end-to-end probabilistic perspective-n-points for monocular object pose estimation ［C］. 2022 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）. New Orleans ， LA， USA . IEEE ， 2022 ： 2771 - 2780 . doi: 10.1109/cvpr52688.2022.00280 http://dx.doi.org/10.1109/cvpr52688.2022.00280

ASSAEL Y ， SOMMERSCHIELD T ， PRAG J . Restoring ancient text using deep learning： a case study on Greek epigraphy ［C］. Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing and the 9th International Joint Conference on Natural Language Processing （EMNLP-IJCNLP）. Hong Kong， China. Stroudsburg， PA， USA ： Association for Computational Linguistics ， 2019 . doi: 10.18653/v1/d19-1668 http://dx.doi.org/10.18653/v1/d19-1668

XIU Y L ， YANG J L ， TZIONAS D ， et al . ICON： implicit clothed humans obtained from normals ［C］. 2022 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）. New Orleans ， LA， USA . IEEE ， 2022 ： 13286 - 13296 . doi: 10.1109/cvpr52688.2022.01294 http://dx.doi.org/10.1109/cvpr52688.2022.01294

MYSTAKIDIS S . Metaverse ［J］. Encyclopedia ， 2022 ， 2 （ 1 ）： 486 - 497 . doi: 10.3390/encyclopedia2010031 http://dx.doi.org/10.3390/encyclopedia2010031

ROLDAO L ， DE CHARETTE R ， VERROUST-BLONDET A . 3D semantic scene completion： a survey ［J］. International Journal of Computer Vision ， 2022 ： 1 - 28 . doi: 10.1007/s11263-021-01504-5 http://dx.doi.org/10.1007/s11263-021-01504-5

YUAN W T ， KHOT T ， HELD D ， et al . PCN： point completion network ［C］. 2018 International Conference on 3D Vision （3DV）. Verona ， Italy . IEEE ， 2018 ： 728 - 737 . doi: 10.1109/3dv.2018.00088 http://dx.doi.org/10.1109/3dv.2018.00088

MITRA N J ， GUIBAS L J ， PAULY M . Partial and approximate symmetry detection for 3D geometry ［J］. ACM Transactions on Graphics ， 2006 ， 25 （ 3 ）： 560 - 568 . doi: 10.1145/1141911.1141924 http://dx.doi.org/10.1145/1141911.1141924

MITRA N J ， PAULY M ， WAND M ， et al .. Symmetry in 3d geometry： Extraction and applications ［J］. Computer Graphics Forum ， 2013 ， 32 （ 6 ）： 1 - 23 . doi: 10.1111/cgf.12010 http://dx.doi.org/10.1111/cgf.12010

KAZHDAN M ， BOLITHO M ， HOPPE H . Poisson surface reconstruction ［C］. Proceedings of the fourth Eurographics symposium on Geometry processing ， 2006 ， 7 .

LEE S ， WOLBERG G ， SHIN S Y . Scattered data interpolation with multilevel B-splines ［J］. IEEE Transactions on Visualization and Computer Graphics ， 1997 ， 3 （ 3 ）： 228 - 244 . doi: 10.1109/2945.620490 http://dx.doi.org/10.1109/2945.620490

PRICE J R ， HAYES M H . Resampling and reconstruction with fractal interpolation functions ［J］. IEEE Signal Processing Letters ， 1998 ， 5 （ 9 ）： 228 - 230 . doi: 10.1109/97.712106 http://dx.doi.org/10.1109/97.712106

KAZHDAN M ， HOPPE H . Screened Poisson surface reconstruction ［J］. ACM Transactions on Graphics ， 2013 ， 32 （ 3 ）： 1 - 13 . doi: 10.1145/2487228.2487237 http://dx.doi.org/10.1145/2487228.2487237

SHEN C H ， FU H ， CHEN K ， et al .. Structure recovery by part assembly ［J］. ACM Transactions on Graphics （TOG）， 2012 ， 31 （ 6 ）： 1 - 11 . doi: 10.1145/2366145.2366199 http://dx.doi.org/10.1145/2366145.2366199

LI Y Y ， DAI A ， GUIBAS L ， et al . Database-assisted object retrieval for real-time 3D reconstruction ［J］. Computer Graphics Forum ， 2015 ， 34 （ 2 ）： 435 - 446 . doi: 10.1111/cgf.12573 http://dx.doi.org/10.1111/cgf.12573

ROCK J ， GUPTA T ， THORSEN J ， et al . Completing 3D object shape from one depth image ［C］. 2015 IEEE Conference on Computer Vision and Pattern Recognition . Boston， MA， USA . IEEE ， 2015 ： 2484 - 2493 . doi: 10.1109/cvpr.2015.7298863 http://dx.doi.org/10.1109/cvpr.2015.7298863

SUN B ， KIM V G ， AIGERMAN N ， et al . PatchRD： detail-preserving shape completion by Learning patch retrieval and Deformation ［C］. Computer Vision-ECCV 2022 ， 2022 ： 503 - 522 . doi: 10.1007/978-3-031-20062-5_29 http://dx.doi.org/10.1007/978-3-031-20062-5_29

ACHLIOPTAS P ， DIAMANTI O ， MITLIAGKAS I ， et al . Learning representations and generative models for 3d point clouds ［C］. Proceedings of the International Conference on Machine Learning ， 2018 ： 40 - 49 .

YANG Y Q ， FENG C ， SHEN Y R ， et al . FoldingNet： point cloud auto-encoder via deep grid deformation ［EB/OL］. 2017 ： arXiv ： 1712.07262［cs.CV］. https：//arxiv.org/abs/1712.07262 https://arxiv.org/abs/1712.07262 . doi: 10.1109/cvpr.2018.00029 http://dx.doi.org/10.1109/cvpr.2018.00029

TCHAPMI L P ， KOSARAJU V ， REZATOFIGHI H ， et al . TopNet： structural point cloud decoder ［C］. 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）. Long Beach ， CA， USA . IEEE ， 2019 ： 383 - 392 . doi: 10.1109/cvpr.2019.00047 http://dx.doi.org/10.1109/cvpr.2019.00047

HUANG Z T ， YU Y K ， XU J W ， et al . PF-net： point fractal network for 3D point cloud completion ［C］. 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）. Seattle ， WA ， USA . IEEE ， 2020 ： 7659 - 7667 . doi: 10.1109/cvpr42600.2020.00768 http://dx.doi.org/10.1109/cvpr42600.2020.00768

DAI A ， RITCHIE D ， BOKELOH M ， et al . ScanComplete： large-scale scene completion and semantic segmentation for 3D scans ［C］. 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition . Salt Lake City， UT， USA . IEEE ， 2018 ： 4578 - 4587 . doi: 10.1109/cvpr.2018.00481 http://dx.doi.org/10.1109/cvpr.2018.00481

MONSZPART A ， MELLADO N ， BROSTOW G J ， et al . RAPter：rebuilding man-made scenes with regular arrangements of planes ［J］. ACM Transactions on Graphics ， 2015 ， 34 （ 4 ）： 103 ： 1 - 103 ： 12 . doi: 10.1145/2766995 http://dx.doi.org/10.1145/2766995

ZHAO W ， GAO S M ， LIN H W . A robust hole-filling algorithm for triangular mesh ［J］. The Visual Computer ， 2007 ， 23 （ 12 ）： 987 - 997 . doi: 10.1007/s00371-007-0167-y http://dx.doi.org/10.1007/s00371-007-0167-y

AVETISYAN A ， DAHNERT M ， DAI A ， et al . Scan2CAD： learning CAD model alignment in RGB-D scans ［C］. 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）. Long Beach ， CA， USA . IEEE ， 2019 ： 2609 - 2618 . doi: 10.1109/cvpr.2019.00272 http://dx.doi.org/10.1109/cvpr.2019.00272

AVETISYAN A ， DAI A ， NIESSNER M . End-to-end CAD model retrieval and 9DoF alignment in 3D scans ［C］. 2019 IEEE/CVF International Conference on Computer Vision （ICCV）. Seoul ， Korea （South） . IEEE ， 2019 ： 2551 - 2560 . doi: 10.1109/iccv.2019.00264 http://dx.doi.org/10.1109/iccv.2019.00264

DAHNERT M ， DAI A ， GUIBAS L ， et al . Joint embedding of 3D scan and CAD objects ［C］. 2019 IEEE/CVF International Conference on Computer Vision （ICCV）. Seoul ， Korea （South） . IEEE ， 2019 ： 8748 - 8757 . doi: 10.1109/iccv.2019.00884 http://dx.doi.org/10.1109/iccv.2019.00884

FIRMAN M ， AODHA O M ， JULIER S ， et al . Structured prediction of unobserved voxels from a single depth image ［C］. 2016 IEEE Conference on Computer Vision and Pattern Recognition . Las Vegas， NV， USA . IEEE ， 2016 ： 5431 - 5440 . doi: 10.1109/cvpr.2016.586 http://dx.doi.org/10.1109/cvpr.2016.586

DAI A ， DILLER C ， NIESSNER M . SG-NN： sparse generative neural networks for self-supervised scene completion of RGB-D scans ［C］. 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）. Seattle ， WA ， USA . IEEE ， 2020 ： 846 - 855 . doi: 10.1109/cvpr42600.2020.00093 http://dx.doi.org/10.1109/cvpr42600.2020.00093

SONG S R ， YU F ， ZENG A ， et al . Semantic scene completion from a single depth image ［C］. 2017 IEEE Conference on Computer Vision and Pattern Recognition . Honolulu， HI， USA . IEEE ， 2017 ： 190 - 198 . doi: 10.1109/cvpr.2017.28 http://dx.doi.org/10.1109/cvpr.2017.28

ARMENI I ， SAX S ， ZAMIR A R ， et al . Joint 2D-3D-semantic data for indoor scene understanding ［EB/OL］. 2017 ： arXiv ： 1702.01105［cs.CV］. https：//arxiv.org/abs/1702.01105 https://arxiv.org/abs/1702.01105

BEHLEY J ， GARBADE M ， MILIOTO A ， et al . SemanticKITTI： a dataset for semantic scene understanding of LiDAR sequences ［C］. 2019 IEEE/CVF International Conference on Computer Vision （ICCV）. Seoul ， Korea （South） . IEEE ， 2019 ： 9296 - 9306 . doi: 10.1109/iccv.2019.00939 http://dx.doi.org/10.1109/iccv.2019.00939

GRIFFITHS D ， BOEHM J . SynthCity： a large scale synthetic point cloud ［EB/OL］. 2019 ： arXiv ： 1907.04758［cs.CV］. https：//arxiv.org/abs/1907.04758 https://arxiv.org/abs/1907.04758

PAN Y C ， GAO B ， MEI J L ， et al . SemanticPOSS： a point cloud dataset with large quantity of dynamic instances ［C］. 2020 IEEE Intelligent Vehicles Symposium . Las Vegas， NV， USA . IEEE ， 2020 ： 687 - 693 . doi: 10.1109/iv47402.2020.9304596 http://dx.doi.org/10.1109/iv47402.2020.9304596

GUO Y X ， TONG X . View-volume network for semantic scene completion from a single depth image ［EB/OL］. 2018 ： arXiv ： 1806.05361［cs.CV］. https：//arxiv.org/abs/1806.05361 https://arxiv.org/abs/1806.05361 . doi: 10.24963/ijcai.2018/101 http://dx.doi.org/10.24963/ijcai.2018/101

ZHANG L . Semantic scene completion with dense CRF from a single depth image ［J］. Neurocomputing ， 2018 ， 318 ： 182 - 195 . doi: 10.1016/j.neucom.2018.08.052 http://dx.doi.org/10.1016/j.neucom.2018.08.052

ZHANG J H ， ZHAO H ， YAO A B ， et al . Efficient semantic scene completion network with spatial group convolution ［C］. Computer Vision-ECCV 2018 ， 2018 ： 733 - 749 . doi: 10.1007/978-3-030-01258-8_45 http://dx.doi.org/10.1007/978-3-030-01258-8_45

ZHANG P P ， LIU W ， LEI Y J ， et al . Cascaded context pyramid for full-resolution 3D semantic scene completion ［C］. 2019 IEEE/CVF International Conference on Computer Vision （ICCV）. Seoul ， Korea （South） . IEEE ， 2019 ： 7800 - 7809 . doi: 10.1109/iccv.2019.00789 http://dx.doi.org/10.1109/iccv.2019.00789

GUO Y L ， WANG H Y ， HU Q Y ， et al . Deep learning for 3D point clouds： a survey ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence ， 2021 ， 43 （ 12 ）： 4338 - 4364 . doi: 10.1109/tpami.2020.3005434 http://dx.doi.org/10.1109/tpami.2020.3005434

ARNOLD E ， AL-JARRAH O Y ， DIANATI M ， et al . A survey on 3D object detection methods for autonomous driving applications ［J］. IEEE Transactions on Intelligent Transportation Systems ， 2019 ， 20 （ 10 ）： 3782 - 3795 . doi: 10.1109/tits.2019.2892405 http://dx.doi.org/10.1109/tits.2019.2892405

XIU H Y ， VINAYARAJ P ， KIM K S ， et al . 3D semantic segmentation for high-resolution aerial survey derived point clouds using deep learning ［C］. SIGSPATIAL '18 ： Proceedings of the 26th ACM SIGSPATIAL International Conference on Advances in Geographic Information Systems . 2018 ： 588 - 591 . doi: 10.1145/3274895.3274950 http://dx.doi.org/10.1145/3274895.3274950

JIN Y W ， JIANG D Q ， CAI M . 3D reconstruction using deep learning： a survey ［J］. Communications in Information and Systems ， 2020 ， 20 （ 4 ）： 389 - 413 . doi: 10.4310/cis.2020.v20.n4.a1 http://dx.doi.org/10.4310/cis.2020.v20.n4.a1

BRESSON G ， ALSAYED Z ， YU L ， et al . Simultaneous localization and mapping： a survey of current trends in autonomous driving ［J］. IEEE Transactions on Intelligent Vehicles ， 2017 ， 2 （ 3 ）： 194 - 220 . doi: 10.1109/tiv.2017.2749181 http://dx.doi.org/10.1109/tiv.2017.2749181

FEI B ， YANG W D ， CHEN W M ， et al . Comprehensive review of deep learning-based 3D point cloud completion processing and analysis ［J］. IEEE Transactions on Intelligent Transportation Systems ， 2022 ， 23 （ 12 ）： 22862 - 22883 . doi: 10.1109/tits.2022.3195555 http://dx.doi.org/10.1109/tits.2022.3195555

CHANG A X ， FUNKHOUSER T ， GUIBAS L ， et al .. Shapenet： An information-rich 3d model repository ［EB/OL］. 2015 ： arXiv ：1512.03012［CS.CV］. http：//arXiv.org/abs/1512.03012 http://arXiv.org/abs/1512.03012 .

OSADA R ， FUNKHOUSER T ， CHAZELLE B ， et al . Matching 3D models with shape distributions ［C］. Proceedings International Conference on Shape Modeling and Applications. Genova ， Italy . IEEE ， 2001 ： 154 - 166 .

GEIGER A ， LENZ P ， STILLER C ， et al . Vision meets robotics： the KITTI dataset ［J］. The International Journal of Robotics Research ， 2013 ， 32 （ 11 ）： 1231 - 1237 . doi: 10.1177/0278364913491297 http://dx.doi.org/10.1177/0278364913491297

DAI A ， CHANG A X ， SAVVA M ， et al . ScanNet： richly-annotated 3D reconstructions of indoor scenes ［C］. 2017 IEEE Conference on Computer Vision and Pattern Recognition . Honolulu， HI， USA . IEEE ， 2017 ： 2432 - 2443 . doi: 10.1109/cvpr.2017.261 http://dx.doi.org/10.1109/cvpr.2017.261

CHANG A ， DAI A ， FUNKHOUSER T ， et al . Matterport3D： learning from RGB-D data in indoor environments ［C］. 2017 International Conference on 3D Vision （3DV）. Qingdao ， China . IEEE ， 2017 ： 667 - 676 . doi: 10.1109/3dv.2017.00081 http://dx.doi.org/10.1109/3dv.2017.00081

BOGO F ， ROMERO J ， PONS-MOLL G ， et al . Dynamic FAUST： registering human bodies in motion ［C］. 2017 IEEE Conference on Computer Vision and Pattern Recognition . Honolulu， HI， USA . IEEE ， 2017 ： 5573 - 5582 . doi: 10.1109/cvpr.2017.591 http://dx.doi.org/10.1109/cvpr.2017.591

OFLI F ， CHAUDHRY R ， KURILLO G ， et al . Berkeley MHAD： a comprehensive multimodal human action database ［C］. 2013 IEEE Workshop on Applications of Computer Vision. Clearwater Beach ， FL， USA . IEEE ， 2013 ： 53 - 60 . doi: 10.1109/wacv.2013.6474999 http://dx.doi.org/10.1109/wacv.2013.6474999

WANG W Y ， HUANG Q G ， YOU S Y ， et al . Shape inpainting using 3D generative adversarial network and recurrent convolutional networks ［C］. 2017 IEEE International Conference on Computer Vision . Venice， Italy . IEEE ， 2017 ： 2317 - 2325 . doi: 10.1109/iccv.2017.252 http://dx.doi.org/10.1109/iccv.2017.252

LITANY O ， BRONSTEIN A ， BRONSTEIN M ， et al . Deformable shape completion with graph convolutional autoencoders ［C］. 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition . Salt Lake City， UT， USA . IEEE ， 2018 ： 1886 - 1895 . doi: 10.1109/cvpr.2018.00202 http://dx.doi.org/10.1109/cvpr.2018.00202

SHU D ， PARK S W ， KWON J . 3D point cloud generative adversarial network based on tree structured graph convolutions ［C］. 2019 IEEE/CVF International Conference on Computer Vision （ICCV）. Seoul ， Korea （South） . IEEE ， 2019 ： 3858 - 3867 . doi: 10.1109/iccv.2019.00396 http://dx.doi.org/10.1109/iccv.2019.00396

WU T ， PAN L ， ZHANG J ， et al . Density-aware Chamfer Distance as a Comprehensive Metric for Point Cloud Completion ［EB/OL］. 2021 ： arXiv ：2111.12702［CS.CV］. http：//arXiv.org/abs/2111.12702 http://arXiv.org/abs/2111.12702 .

CHEN Z Q ， ZHANG H . Learning implicit fields for generative shape modeling ［C］. 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）. Long Beach ， CA， USA . IEEE ， 2019 ： 5932 - 5941 . doi: 10.1109/cvpr.2019.00609 http://dx.doi.org/10.1109/cvpr.2019.00609

ZHANG J Z ， CHEN X Y ， CAI Z A ， et al . Unsupervised 3D shape completion through GAN inversion ［C］. 2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）. Nashville ， TN ， USA . IEEE ， 2021 ： 1768 - 1777 . doi: 10.1109/cvpr46437.2021.00181 http://dx.doi.org/10.1109/cvpr46437.2021.00181

CHARLES R Q ， HAO S ， MO K C ， et al . PointNet： deep learning on point sets for 3D classification and segmentation ［C］. 2017 IEEE Conference on Computer Vision and Pattern Recognition . Honolulu， HI， USA . IEEE ， 2017 ： 77 - 85 . doi: 10.1109/cvpr.2017.16 http://dx.doi.org/10.1109/cvpr.2017.16

WU Z R ， SONG S R ， KHOSLA A ， et al . 3D ShapeNets： a deep representation for volumetric shapes ［C］. 2015 IEEE Conference on Computer Vision and Pattern Recognition . Boston， MA， USA . IEEE ， 2015 ： 1912 - 1920 . doi: 10.1109/cvpr.2015.7298801 http://dx.doi.org/10.1109/cvpr.2015.7298801

MASCI J ， BOSCAINI D ， BRONSTEIN M M ， et al . Geodesic convolutional neural networks on Riemannian manifolds ［C］. 2015 IEEE International Conference on Computer Vision Workshop . Santiago， Chile . IEEE ， 2015 ： 832 - 840 . doi: 10.1109/iccvw.2015.112 http://dx.doi.org/10.1109/iccvw.2015.112

MESCHEDER L ， OECHSLE M ， NIEMEYER M ， et al . Occupancy networks： learning 3D reconstruction in function space ［C］. 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）. Long Beach ， CA， USA . IEEE ， 2019 ： 4455 - 4465 . doi: 10.1109/cvpr.2019.00459 http://dx.doi.org/10.1109/cvpr.2019.00459

PARK J J ， FLORENCE P ， STRAUB J ， et al . DeepSDF： learning continuous signed distance functions for shape representation ［C］. 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）. Long Beach ， CA， USA . IEEE ， 2019 ： 165 - 174 . doi: 10.1109/cvpr.2019.00025 http://dx.doi.org/10.1109/cvpr.2019.00025

MILDENHALL B ， SRINIVASAN P P ， TANCIK M ， et al . NeRF： representing scenes as neural radiance fields for view synthesis ［C］. Computer Vision-ECCV 2020 ， 2020 ： 405 - 421 . doi: 10.1007/978-3-030-58452-8_24 http://dx.doi.org/10.1007/978-3-030-58452-8_24

LIU M ， SHENG L ， YANG S ， et al . Morphing and sampling network for dense point cloud completion ［C］. Proceedings of the AAAI conference on artificial intelligence ， 2020 ， 34 （ 07 ）： 11596 - 11603 . doi: 10.1609/aaai.v34i07.6827 http://dx.doi.org/10.1609/aaai.v34i07.6827

TANG J S ， GONG Z J ， YI R ， et al . LAKe-net： topology-aware point cloud completion by localizing aligned keypoints ［C］. 2022 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR） . New Orleans， LA， USA . IEEE ， 2022 ： 1716 - 1725 . doi: 10.1109/cvpr52688.2022.00177 http://dx.doi.org/10.1109/cvpr52688.2022.00177

DAI A ， QI C R ， NIEßNER M . Shape completion using 3D-encoder-predictor CNNs and shape synthesis ［C］. 2017 IEEE Conference on Computer Vision and Pattern Recognition . Honolulu， HI， USA . IEEE ， 2017 ： 6545 - 6554 . doi: 10.1109/cvpr.2017.693 http://dx.doi.org/10.1109/cvpr.2017.693

XIE H Z ， YAO H X ， ZHOU S C ， et al . GRNet ： Gridding Residual Network for Dense Point Cloud Completion ［M］. Computer Vision-ECCV 2020 . Cham ： Springer International Publishing ， 2020 ： 365 - 381 . doi: 10.1007/978-3-030-58545-7_21 http://dx.doi.org/10.1007/978-3-030-58545-7_21

WANG X G ， ANG M H ， LEE G H . Voxel-based network for shape completion by leveraging edge generation ［C］. 2021 IEEE/CVF International Conference on Computer Vision （ICCV）. Montreal ， QC， Canada . IEEE ， 2021 ： 13169 - 13178 . doi: 10.1109/iccv48922.2021.01294 http://dx.doi.org/10.1109/iccv48922.2021.01294

LIU S ， LI D D ， HUANG W H ， et al . MRAC-net： multi-resolution anisotropic convolutional network for 3D point cloud completion ［C］. PRICAI 2021： Trends in Artificial Intelligence ， 2021 ： 403 - 414 . doi: 10.1007/978-3-030-89370-5_30 http://dx.doi.org/10.1007/978-3-030-89370-5_30

ZHANG Y N ， HUANG D ， WANG Y H . PC-RGNN： point cloud completion and graph neural network for 3D object detection ［J］. Proceedings of the AAAI Conference on Artificial Intelligence ， 2021 ， 35 （ 4 ）： 3430 - 3437 . doi: 10.1609/aaai.v35i4.16456 http://dx.doi.org/10.1609/aaai.v35i4.16456

PAN L . ECG： edge-aware point cloud completion with graph convolution ［J］. IEEE Robotics and Automation Letters ， 2020 ， 5 （ 3 ）： 4392 - 4398 . doi: 10.1109/lra.2020.2994483 http://dx.doi.org/10.1109/lra.2020.2994483

SHI J Q ， XU L Y ， HENG L ， et al . Graph-guided deformation for point cloud completion ［J］. IEEE Robotics and Automation Letters ， 2021 ， 6 （ 4 ）： 7081 - 7088 . doi: 10.1109/lra.2021.3097081 http://dx.doi.org/10.1109/lra.2021.3097081

CAI Y J ， LIN K Y ， ZHANG C ， et al . Learning a structured latent space for unsupervised point cloud completion ［C］. 2022 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）. New Orleans ， LA， USA . IEEE ， 2022 ： 5533 - 5543 . doi: 10.1109/cvpr52688.2022.00546 http://dx.doi.org/10.1109/cvpr52688.2022.00546

SARMAD M ， LEE H J ， KIM Y M . RL-GAN-net： a reinforcement learning agent controlled GAN network for real-time point cloud shape completion ［C ］. 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）. Long Beach ， CA， USA . IEEE ， 2019 ： 5891 - 5900 . doi: 10.1109/cvpr.2019.00605 http://dx.doi.org/10.1109/cvpr.2019.00605

WANG X G ， ANG M H ， LEE G H . Cascaded refinement network for point cloud completion ［C］. 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）. Seattle ， WA ， USA . IEEE ， 2020 ： 787 - 796 . doi: 10.1109/cvpr42600.2020.00087 http://dx.doi.org/10.1109/cvpr42600.2020.00087

HU T ， HAN Z Z ， SHRIVASTAVA A ， et al . Render4Completion： synthesizing multi-view depth maps for 3D shape completion ［C］. 2019 IEEE/CVF International Conference on Computer Vision Workshop （ICCVW）. Seoul ， Korea （South） . IEEE ， 2019 ： 4114 - 4122 . doi: 10.1109/iccvw.2019.00506 http://dx.doi.org/10.1109/iccvw.2019.00506

XIE C L ， WANG C X ， ZHANG B ， et al . Style-based point generator with adversarial rendering for point cloud completion ［C］. 2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）. Nashville ， TN ， USA . IEEE ， 2021 ： 4617 - 4626 . doi: 10.1109/cvpr46437.2021.00459 http://dx.doi.org/10.1109/cvpr46437.2021.00459

WEN X ， HAN Z Z ， CAO Y P ， et al . Cycle4Completion： unpaired point cloud completion using cycle transformation with missing region coding ［C］. 2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）. Nashville ， TN ， USA . IEEE ， 2021 ： 13075 - 13084 . doi: 10.1109/cvpr46437.2021.01288 http://dx.doi.org/10.1109/cvpr46437.2021.01288

YU X M ， RAO Y M ， WANG Z Y ， et al . PoinTr： diverse point cloud completion with geometry-aware transformers ［C］. 2021 IEEE/CVF International Conference on Computer Vision （ICCV）. Montreal ， QC， Canada . IEEE ， 2021 ： 12478 - 12487 . doi: 10.1109/iccv48922.2021.01227 http://dx.doi.org/10.1109/iccv48922.2021.01227

ZHANG W ， ZHOU H ， DONG Z ， et al . Point cloud completion via skeleton-detail transformer ［J］. IEEE Transactions on Visualization and Computer Graphics ， 2022 . doi: 10.1109/tvcg.2022.3185247 http://dx.doi.org/10.1109/tvcg.2022.3185247

PAN L ， CHEN X Y ， CAI Z A ， et al . Variational relational point completion network ［C］. 2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）. Nashville ， TN ， USA . IEEE ， 2021 ： 8520 - 8529 . doi: 10.1109/cvpr46437.2021.00842 http://dx.doi.org/10.1109/cvpr46437.2021.00842

ZHANG X C ， FENG Y T ， LI S Q ， et al . View-guided point cloud completion ［C］. 2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）. Nashville ， TN ， USA . IEEE ， 2021 ： 15885 - 15894 . doi: 10.1109/cvpr46437.2021.01563 http://dx.doi.org/10.1109/cvpr46437.2021.01563

KOUSHIK J . Understanding convolutional neural networks ［EB/OL］. 2016 ： arXiv ：1605.09081［CS.CV］. http：//arXiv.org/abs/1605.09081 http://arXiv.org/abs/1605.09081 .

WANG Y ， SUN Y B ， LIU Z W ， et al . Dynamic graph CNN for learning on point clouds ［J］. ACM Transactions on Graphics ， 2019 ， 38 （ 5 ）： 1 - 12 . doi: 10.1145/3326362 http://dx.doi.org/10.1145/3326362

JIN W ， ZHAO L ， ZHANG S ， et al .. Graph condensation for graph neural networks ［EB/OL］. 2021 ： arXiv ： 2110.07580［CS.CV］. http：//arXiv.org/abs/2110.07580 http://arXiv.org/abs/2110.07580 .

ARJOVSKY M ， CHINTALA S ， BOTTOU L . Wasserstein generative adversarial networks ［C］. International Conference on Machine Learning. PMLR ， 2017 ： 214 - 223 .

HAN K ， WANG Y ， CHEN H ， et al . A survey on vision transformer ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence ， 2022 . doi: 10.1109/tpami.2022.3152247 http://dx.doi.org/10.1109/tpami.2022.3152247

ZHAO H S ， JIANG L ， JIA J Y ， et al . Point transformer ［C］. 2021 IEEE/CVF International Conference on Computer Vision （ICCV）. Montreal ， QC， Canada . IEEE ， 2021 ： 16239 - 16248 . doi: 10.1109/iccv48922.2021.01595 http://dx.doi.org/10.1109/iccv48922.2021.01595

GUO M H ， CAI J X ， LIU Z N ， et al . PCT： point cloud transformer ［J］. Computational Visual Media ， 2021 ， 7 （ 2 ）： 187 - 199 . doi: 10.1007/s41095-021-0229-5 http://dx.doi.org/10.1007/s41095-021-0229-5

LI R H ， LI X Z ， HENG P A ， et al . Point cloud upsampling via disentangled refinement ［C］. 2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）. Nashville ， TN ， USA . IEEE ， 2021 ： 344 - 353 . doi: 10.1109/cvpr46437.2021.00041 http://dx.doi.org/10.1109/cvpr46437.2021.00041

ZENG A ， SONG S R ， NIEßNER M ， et al . 3DMatch： learning local geometric descriptors from RGB-D reconstructions ［C］. 2017 IEEE Conference on Computer Vision and Pattern Recognition . Honolulu， HI， USA . IEEE ， 2017 ： 199 - 208 . doi: 10.1109/cvpr.2017.29 http://dx.doi.org/10.1109/cvpr.2017.29

WANG P S ， LIU Y ， TONG X . Deep octree-based CNNs with output-guided skip connections for 3D shape and scene completion ［C］. 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops （CVPRW）. Seattle ， WA ， USA . IEEE ， 2020 ： 1074 - 1081 . doi: 10.1109/cvprw50498.2020.00141 http://dx.doi.org/10.1109/cvprw50498.2020.00141

AZINOVIĆ D ， MARTIN-BRUALLA R ， GOLDMAN D B ， et al . Neural RGB-D surface reconstruction ［C］. 2022 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）. New Orleans ， LA， USA . IEEE ， 2022 ： 6280 - 6291 . doi: 10.1109/cvpr52688.2022.00619 http://dx.doi.org/10.1109/cvpr52688.2022.00619

DAI A ， SIDDIQUI Y ， THIES J ， et al . SPSG： self-supervised photometric scene generation from RGB-D scans ［C］. 2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）. Nashville ， TN ， USA . IEEE ， 2021 ： 1747 - 1756 . doi: 10.1109/cvpr46437.2021.00179 http://dx.doi.org/10.1109/cvpr46437.2021.00179

CHEN H X ， HUANG J H ， MU T J ， et al . CIRCLE： convolutional implicit reconstruction andCompletion forLarge-scale indoor scene ［C］. Computer Vision-ECCV 2022 ， 2022 . doi: 10.1007/978-3-031-19824-3_30 http://dx.doi.org/10.1007/978-3-031-19824-3_30

CURLESS B ， LEVOY M . A volumetric method for building complex models from range images ［C］. SIGGRAPH '96 ： Proceedings of the 23rd annual conference on Computer graphics and interactive techniques . 1996 ： 303 - 312 . doi: 10.1145/237170.237269 http://dx.doi.org/10.1145/237170.237269

RONNEBERGER O ， FISCHER P ， BROX T . U-net： convolutional networks for biomedical image segmentation ［C］. Medical Image Computing and Computer-Assisted Intervention-MICCAI 2015 ， 2015 ： 234 - 241 . doi: 10.1007/978-3-319-24574-4_28 http://dx.doi.org/10.1007/978-3-319-24574-4_28

HAN X G ， ZHANG Z X ， DU D ， et al . Deep reinforcement learning of volume-guided progressive view inpainting for 3D point scene completion from a single depth image ［C］. 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）. Long Beach ， CA， USA . IEEE ， 2019 ： 234 - 243 . doi: 10.1109/cvpr.2019.00032 http://dx.doi.org/10.1109/cvpr.2019.00032

NEWCOMBE R A ， IZADI S ， HILLIGES O ， et al . KinectFusion： Real-time dense surface mapping and tracking ［C］. 2011 10th IEEE International Symposium on Mixed and Augmented Reality. Basel ， Switzerland . IEEE ， 2011 ： 127 - 136 . doi: 10.1109/ismar.2011.6092378 http://dx.doi.org/10.1109/ismar.2011.6092378

WANG Y D ， TAN D J ， NAVAB N ， et al . ForkNet： multi-branch volumetric semantic completion from a single depth image ［C］. 2019 IEEE/CVF International Conference on Computer Vision （ICCV）. Seoul ， Korea （South） . IEEE ， 2019 ： 8607 - 8616 . doi: 10.1109/iccv.2019.00870 http://dx.doi.org/10.1109/iccv.2019.00870

CHEN X K ， XING Y J ， ZENG G . Real-time semantic scene completion via feature aggregation and conditioned prediction ［C］. 2020 IEEE International Conference on Image Processing. Abu Dhabi ， United Arab Emirates . IEEE ， 2020 ： 2830 - 2834 . doi: 10.1109/icip40778.2020.9191318 http://dx.doi.org/10.1109/icip40778.2020.9191318

LI J ， LIU Y ， YUAN X ， et al . Depth based semantic scene completion with position importance aware loss ［J］. IEEE Robotics and Automation Letters ， 2020 ， 5 （ 1 ）： 219 - 226 . doi: 10.1109/lra.2019.2953639 http://dx.doi.org/10.1109/lra.2019.2953639

GARBADE M ， CHEN Y T ， SAWATZKY J ， et al . Two stream 3D semantic scene completion ［C］. 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops （CVPRW）. Long Beach ， CA， USA . IEEE ， 2019 ： 416 - 425 . doi: 10.1109/cvprw.2019.00055 http://dx.doi.org/10.1109/cvprw.2019.00055

LI J ， LIU Y ， GONG D ， et al . RGBD based dimensional decomposition residual network for 3D semantic scene completion ［C］. 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）. Long Beach ， CA， USA . IEEE ， 2019 ： 7685 - 7694 . doi: 10.1109/cvpr.2019.00788 http://dx.doi.org/10.1109/cvpr.2019.00788

LI J ， HAN K ， WANG P ， et al . Anisotropic convolutional networks for 3D semantic scene completion ［C］. 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）. Seattle ， WA ， USA . IEEE ， 2020 ： 3348 - 3356 . doi: 10.1109/cvpr42600.2020.00341 http://dx.doi.org/10.1109/cvpr42600.2020.00341

LIU Y ， LI J ， YAN Q ， et al . 3D gated recurrent fusion for semantic scene completion ［EB/OL］. 2020 ： arXiv ：2002.07269［CS.CV］. http：//arXiv.org/abs/2002.07269 http://arXiv.org/abs/2002.07269 .

CAI Y J ， CHEN X S ， ZHANG C ， et al . Semantic scene completion via integrating instances and scene in-the-loop ［C］. 2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）. Nashville ， TN ， USA . IEEE ， 2021 ： 324 - 333 . doi: 10.1109/cvpr46437.2021.00039 http://dx.doi.org/10.1109/cvpr46437.2021.00039

LI S Q ， ZOU C Q ， LI Y P ， et al . Attention-based multi-modal fusion network for semantic scene completion ［J］. Proceedings of the AAAI Conference on Artificial Intelligence ， 2020 ， 34 （ 7 ）： 11402 - 11409 . doi: 10.1609/aaai.v34i07.6803 http://dx.doi.org/10.1609/aaai.v34i07.6803

ZHANG W ， LIU G L ， TIAN G H . HHA-based CNN image features for indoor loop closure detection ［C］. 2017 Chinese Automation Congress （CAC）. Jinan ， China . IEEE ， 2017 ： 4634 - 4639 . doi: 10.1109/cac.2017.8243597 http://dx.doi.org/10.1109/cac.2017.8243597

LIU S ， HU Y ， ZENG Y ， et al . See and think： Disentangling semantic scene completion ［J］. Advances in Neural Information Processing Systems ， 2018 ， 31 .

CHENG R ， AGIA C ， REN Y ， et al . S3CNet： A Sparse Semantic Scene Completion Network for LiDAR Point Clouds ［J］. Conference on Robot Learning. PMLR ， 2021 ： 2148 - 2161 .

YAN X ， GAO J T ， LI J ， et al . Sparse single sweep LiDAR point cloud segmentation via learning contextual shape priors from scene completion ［J］. Proceedings of the AAAI Conference on Artificial Intelligence ， 2021 ， 35 （ 4 ）： 3101 - 3109 . doi: 10.1609/aaai.v35i4.16419 http://dx.doi.org/10.1609/aaai.v35i4.16419

ZHONG M ， ZENG G . Semantic Point Completion Network for 3 D Semantic Scene Completion ［M］. ECAI 2020 . IOS Press ， 2020： 2824 - 2831 .

RIST C B ， EMMERICHS D ， ENZWEILER M ， et al . Semantic scene completion using local deep implicit functions on LiDAR data ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence ， 2022 ， 44 （ 10 ）： 7205 - 7218 .

WANG Y D ， TAN D J ， NAVAB N ， et al . Adversarial semantic scene completion from a single depth image ［C］. 2018 International Conference on 3D Vision （3DV）. Verona ， Italy . IEEE ， 2018 ： 426 - 434 . doi: 10.1109/3dv.2018.00056 http://dx.doi.org/10.1109/3dv.2018.00056

CHEN X K ， LIN K Y ， QIAN C ， et al . 3D sketch-aware semantic scene completion via semi-supervised structure prior ［C］. 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）. Seattle ， WA ， USA . IEEE ， 2020 ： 4192 - 4201 . doi: 10.1109/cvpr42600.2020.00425 http://dx.doi.org/10.1109/cvpr42600.2020.00425

DOURADO A , DE CAMPOS T E , KIM H , et al . EdgeNet: Semantic scene completion from a single RGB-D image [C ] . 2020 25th International Conference on Pattern Recognition (ICPR) . Milan, Italy . IEEE , 2021 : 503 - 510 . doi: 10.1109/icpr48806.2021.9413252 http://dx.doi.org/10.1109/icpr48806.2021.9413252

DOURADO A , GUTH F , CAMPOS DE T . Data augmented 3D semantic scene completion with 2D segmentation priors [C ] . 2022 IEEE/CVF Winter Conference on Applications of Computer Vision (WACV). Waikoloa , HI, USA . IEEE , 2022 , pp: 687 - 696 . doi: 10.1109/wacv51458.2022.00076 http://dx.doi.org/10.1109/wacv51458.2022.00076

HE K M ， ZHANG X Y ， REN S Q ， et al . Deep residual learning for image recognition ［C］. 2016 IEEE Conference on Computer Vision and Pattern Recognition . Las Vegas， NV， USA . IEEE ， 2016 ： 770 - 778 . doi: 10.1109/cvpr.2016.90 http://dx.doi.org/10.1109/cvpr.2016.90

KU J ， HARAKEH A ， WASLANDER S L . In defense of classical image processing： fast depth completion on the CPU ［C］. 2018 15th Conference on Computer and Robot Vision （CRV）. Toronto ， ON ， Canada . IEEE ， 2018 ： 16 - 22 . doi: 10.1109/crv.2018.00013 http://dx.doi.org/10.1109/crv.2018.00013

WEN X ， LI T Y ， HAN Z Z ， et al . Point cloud completion by skip-attention network with hierarchical folding ［C］. 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）. Seattle ， WA ， USA . IEEE ， 2020 ： 1936 - 1945 . doi: 10.1109/cvpr42600.2020.00201 http://dx.doi.org/10.1109/cvpr42600.2020.00201

GRAHAM B ， ENGELCKE M ， VAN DER MAATEN L . 3D semantic segmentation with submanifold sparse convolutional networks ［C］. 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition . Salt Lake City， UT， USA . IEEE ， 2018 ： 9224 - 9232 . doi: 10.1109/cvpr.2018.00961 http://dx.doi.org/10.1109/cvpr.2018.00961

CHOY C ， GWAK J ， SAVARESE S . 4D spatio-temporal ConvNets： minkowski convolutional neural networks ［C］. 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）. Long Beach ， CA， USA . IEEE ， 2019 ： 3070 - 3079 . doi: 10.1109/cvpr.2019.00319 http://dx.doi.org/10.1109/cvpr.2019.00319

SUN X L ， HASSANI A ， WANG Z Y ， et al . DiSparse： disentangled sparsification for multitask model compression ［C］. 2022 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）. New Orleans ， LA， USA . IEEE ， 2020 ： 12372 - 12382 .

浏览量

3853

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于通道注意力增强网络的高效消色差超透镜逆向设计

地基空间目标望远镜全天时探测能力特性模型设计及实现

中国仪器企业如何突破规模瓶颈

数字散斑干涉应力应变同步测量

光子晶体激光器掩埋纳米孔结构自动量取