MergeNet: Explicit Mesh Reconstruction from Sparse Point Clouds via Edge Prediction

本文介绍了一种从稀疏点云中预测边缘连接来重建网格的新方法。现有的隐式方法通常由于等值面提取算法（如Marching Cubes）而产生优越的平滑和无缝网格。然而，这些方法随着分辨率的增加而变得需要更多的内存和计算资源。显式方法通过直接从点形成面来提高效率。然而，从巨大的候选面中选择合适的面的挑战通常导致不良面和孔洞。此外，两种方法的重建性能往往在点云变得稀疏时会下降。因此，我们提出了一种名为MEsh Reconstruction via edGE（MergeNet）的方法，将网格重建转化为局部连通性预测问题。具体而言，MergeNet学习提取候选边的特征并回归它们到底层表面的距离。因此，预测距离被用于过滤位于表面上的边缘。最后，通过细化这些边形成的三角剖分来重建网格。在合成和真实扫描数据集上的广泛实验表明，MergeNet比现有的显式方法更优秀。

论文旨在通过预测边缘连接来从稀疏点云中重建网格，解决现有方法在处理高分辨率点云时的内存和计算瓶颈问题，以及显式方法在选择面时的挑战和稀疏点云时的性能下降问题。

MergeNet将网格重建转化为本地连接性预测问题，通过学习候选边缘的特征并回归它们到基础表面的距离来解决问题。然后利用预测的距离来过滤掉位于表面上的边缘，最后通过细化由这些边缘形成的三角化来重建网格。

论文在合成和真实扫描数据集上进行了广泛的实验，证明了MergeNet相对于现有显式方法的优越性。该论文还提供了开源代码和数据集，并探讨了未来的研究方向。

最近的相关研究包括PointSetGen和PU-Net等方法，它们也使用点云进行网格重建。