2019-07-17 HOW POWERFUL ARE GRAPH NEURAL NETWORKS? Graph Convolution 3D HOW POWERFUL ARE GRAPH NEURAL NETWORKS?GNN 可以有邻接元素聚合方法,本文讨论了很多的 图变形和图的方法 import torch from torch_geometric.nn.conv impo
2019-07-16 SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS Graph Convolution 3D SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS本文提出了一种,直接作用于图的卷积神经网络. INTRODUCTION作者发现可以用过 图拉普拉斯正则项来优化损
2019-07-15 SplineCNN:Fast Geometric Deep Learning with Continuous B-Spline Kernels Graph Convolution 3D SplineCNN: Fast Geometric Deep Learning with Continuous B-Spline Kernels本文提出条样方法的卷积神经网络,处理无规则和无序的空间数据,如mesh.所谓的条样卷积:就是使用
2019-07-10 meshcnn Mesh 3D MeshCNN: A Network with an Edge本篇文章和以前传统的一些文章有很多不同的地方,本文提出使用特殊的卷积操作和池化操作,作用于mesh的边缘,通过减少空间的连接。 介绍mesh 网格呈现是比其他同类型的数据呈现要高
2019-07-08 Image2Mesh:A Learning Framework for Single Image 3D Reconstruction Mesh 3D Image2Mesh: A Learning Framework for Single Image 3D Reconstruction目前3d呈现数据中,都是使用体素,点云,类似的数据格式,但是这种方法有很大的弊端: 计算复杂性 数据无序
2019-06-26 MeshNet Mesh Neural Network for 3D Shape Representation Mesh 3D MeshNet Mesh Neural Network for 3D Shape RepresentationMesh 是计算机图形学中一种特别常用的格式,一般叫做网格,如:特殊的三角网格。 本篇论文作者提出一个MeshNet 的网络,从而
2019-06-21 斯坦福图形学入门学习01 3D CS468 入门随着目前计算机的飞速发展,3d方面渐渐的越来越多的深入我们的生活,本教程将带领大家慢慢的接触3d方向的内容,但是本人是一个刚接触3d的小白,如果有讲的不对的地方,还请大家见谅. shape analysis第一章: 图形分析
2019-06-12 instagan GAN 3D instance-aware GAN (InstaGAN)先前的GAN 模型在 形状转换上有很多不足.本文提出的gan 在综合 实例信息 和 物体风格的mask 矩阵结合 本文提出 context preserving loss 3个共享
2019-06-01 Fitting 3D Morphable Models using Local Features 解读 Face 3D 简介使用局部特征来适用3D的模型. 2D的人脸.为了解决特征提取器不可微分的特性,本文引入了一个基于数据学习的级联回归方法.本方法是一个可以应用在实际上的方法 遇见的问题 现有的拟合方法话费太大时间. 但是大多他们使用的元素是 landm
2019-05-31 Point Net 论文解读 Point Cloud 3D Point Net本篇论文,是点云的开山之作,主要的贡献直接输入点云序列,得到实例分割以及物体分类的相关序列效果类似于 在之前3D 点云遇见的问题无序性:点云本质上是一长串点(nx3矩阵,其中n是点数)。在几何上,点的顺序不影响它在空间中对