With the burst development of neural networks in recent years, the task of normal estimation has once again become a concern. By introducing the neural networks to classic methods based on problem-specific knowledge, the adaptability of the normal estimation algorithm to noise and scale has been greatly improved. However, the compatibility between neural networks and the traditional methods has not been considered. Similar to the principle of Occam's razor, that is, the simpler is better. We observe that a more simplified process of surface fitting can significantly improve the accuracy of the normal estimation. In this paper, two simple-yet-effective strategies are proposed to address the compatibility between the neural networks and surface fitting process to improve normal estimation. Firstly, a dynamic top-k selection strategy is introduced to better focus on the most critical points of a given patch, and the points selected by our learning method tend to fit a surface by way of a simple tangent plane, which can dramatically improve the normal estimation results of patches with sharp corners or complex patterns. Then, we propose a point update strategy before local surface fitting, which smooths the sharp boundary of the patch to simplify the surface fitting process, significantly reducing the fitting distortion and improving the accuracy of the predicted point normal. The experiments analyze the effectiveness of our proposed strategies and demonstrate that our method achieves SOTA results with the advantage of higher estimation accuracy over most existed approaches.

中文翻译：

---

通过简化曲面拟合改进点云的法线估计

近年来，随着神经网络的迅猛发展，正态估计的任务再次成为人们关注的问题。通过将神经网络引入基于特定问题知识的经典方法，可以大大提高常规估计算法对噪声和尺度的适应性。但是，尚未考虑神经网络与传统方法之间的兼容性。与Occam剃刀的原理类似，即越简单越好。我们观察到，更简化的表面拟合过程可以显着提高法线估计的准确性。在本文中，提出了两种简单有效的策略来解决神经网络和曲面拟合过程之间的兼容性，以改善法线估计。首先，引入了动态的top-k选择策略，以更好地关注给定面片的最关键点，并且我们的学习方法选择的点倾向于通过简单的切线平面拟合曲面，从而可以显着改善法线估计具有尖角或复杂图案的补丁的结果。然后，我们提出了局部曲面拟合之前的点更新策略，该策略可以平滑补丁的尖锐边界以简化曲面拟合过程，显着减少拟合失真并提高预测点法线的准确性。实验分析了我们提出的策略的有效性，并证明了我们的方法能够获得SOTA结果，并且具有比大多数现有方法更高的估计精度的优势。并且我们的学习方法选择的点倾向于通过简单的切平面拟合曲面，这可以显着改善具有尖角或复杂图案的面片的法线估计结果。然后，我们提出了局部曲面拟合之前的点更新策略，该策略可以平滑补丁的尖锐边界以简化曲面拟合过程，显着减少拟合失真并提高预测点法线的准确性。实验分析了我们提出的策略的有效性，并证明了我们的方法能够获得SOTA结果，并且具有比大多数现有方法更高的估计精度的优势。并且我们的学习方法选择的点倾向于通过简单的切平面拟合曲面，这可以显着改善具有尖角或复杂图案的面片的法线估计结果。然后，我们提出了局部曲面拟合之前的点更新策略，该策略可以平滑补丁的尖锐边界以简化曲面拟合过程，显着减少拟合失真并提高预测点法线的准确性。实验分析了我们提出的策略的有效性，并证明了我们的方法能够获得SOTA结果，并且具有比大多数现有方法更高的估计精度的优势。可以极大地改善具有尖角或复杂图案的补丁的正常估计结果。然后，我们提出了局部曲面拟合之前的点更新策略，该策略可以平滑补丁的尖锐边界以简化曲面拟合过程，显着减少拟合失真并提高预测点法线的准确性。实验分析了我们提出的策略的有效性，并证明了我们的方法能够获得SOTA结果，并且具有比大多数现有方法更高的估计精度的优势。可以极大地改善具有尖角或复杂图案的补丁的正常估计结果。然后，我们提出了局部曲面拟合之前的点更新策略，该策略可以平滑补丁的尖锐边界以简化曲面拟合过程，显着减少拟合失真并提高预测点法线的准确性。实验分析了我们提出的策略的有效性，并证明了我们的方法能够获得SOTA结果，并且具有比大多数现有方法更高的估计精度的优势。大大降低了拟合失真并提高了预测点法线的准确性。实验分析了我们提出的策略的有效性，并证明了我们的方法能够获得SOTA结果，并且具有比大多数现有方法更高的估计精度的优势。大大降低了拟合失真并提高了预测点法线的准确性。实验分析了我们提出的策略的有效性，并证明了我们的方法能够获得SOTA结果，并且具有比大多数现有方法更高的估计精度的优势。