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

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

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

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

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

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

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

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

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

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