基于 Transformer 的表面法向量估计
原文中文，约300字，阅读约需1分钟。发表于：。使用 Transformer 从带有噪声和密度变化的点云中准确预测法线，在合成形状数据集 PCPNet 和真实世界室内场景数据集 SceneNN 上实现了最先进的性能，表现出更强的抗噪性和显著更快的推理速度，同时证明了现有工作中的复杂手工设计模块在表面法线估计任务中并非必需。
该研究使用Transformer模型准确预测带噪声和密度变化的点云的法线。实验结果显示，该模型在合成形状数据集和真实世界室内场景数据集上表现出更强的抗噪性和更快的推理速度，同时证明了复杂手工设计模块在表面法线估计任务中的非必需性。
