ノイズを浴びて面を張り直される Stanford Bunny
crease-aware normal estimationとsurface reconstructionの評価。出典: H. Law, S. H. Kang, “Crease-Aware Normal Vectors from Unstructured Point Clouds”, Figures 10・12, JMIV 68, 37 (2026).
今回のStanford bunny
Stanford bunnyは、noiseのあるunstructured point cloudからsurface normalを推定し、そのnormalを使って面を張り直せるかを調べる評価に使われています。
さらに一部の実験では中央付近のpointを欠落させ、missing regionを含む条件でreconstructionを行います。
今回は点群になったあとノイズを浴びたり穴を開けられたりし、その状態からnormalを頼りに面を張り直されます。
今回の扱い：point cloudへnoiseや欠損を与えられ、crease-aware normalからsurface reconstructionされる
状態：その他（入力点群を劣化させて再構成）
論文の内容
Normal estimationの難しさ
point cloudからsurface reconstructionを行うには各点のnormalが重要です。局所PCAなどでnormalを求める方法は平滑surfaceでは有効ですが、sharp edgeやcreaseをまたいで近傍を集めるとnormalが平均化されます。
研究はcreaseを跨ぐsampleを分離しながらnormalを推定することを目的とします。
Local geometry
各点の近傍から局所surface structureを推定し、smooth regionとedge / crease周辺で異なる扱いをします。
異なるsurface patchに属する点を一つのplaneへまとめないことで、sharp feature付近のnormal blurを抑えます。
Noise robustness
座標noiseを加えたpoint cloudでもnormal方向が安定するかを比較します。noise除去だけでsurfaceを過度にsmoothするとfeatureが消えるため、denoisingとfeature preservationのbalanceが必要です。
Missing dataとreconstruction
一部領域を欠落させたpoint cloudからsurfaceを再構成し、normal qualityが最終surfaceへどのように影響するかを評価します。
normalが整っているとPoisson系などのoriented-point reconstructionでsurface topologyを作りやすくなります。
制約
非常に低密度な領域や大きな欠損では、局所情報だけから本来のsurfaceを一意に決めることはできません。
またcrease detection thresholdやneighborhood scaleはsampling densityとnoise levelに依存します。
論文情報
Crease-Aware Normal Vectors from Unstructured Point Clouds
Ho Law, Sung Ha Kang
- Published: 2026年6月30日
- Journal: Journal of Mathematical Imaging and Vision 68, Article 37
- DOI: https://doi.org/10.1007/s10851-026-01318-5
- 分野: Point Cloud Processing / Normal Estimation / Surface Reconstruction
- 使用モデル: Stanford bunny
- 使用箇所: Figures 10・12
- 用途: noisy point cloud、missing regionでのnormal estimation / reconstruction評価