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

Unified Perceptual Parsing for Scene Understanding旷视科技提出统一感知解析网络UPerNet，优化场景理解 解决的问题能够识别一个场景中突出物体的检测，和优化纹理和理解。 导语人类对世界的视

dcgan近年来监督学习的cnn发展特别的飞快，本文提出了无监督学习在无标签数据库中重用一些特征变成了现在的热点。 具体概括通过gan 来 训练 一组好的图片，然后通过g和d网络来提取特征 做 监督学习 做了2种贡献 第一让gan 的网

Optimal Margin Distribution Clustering优化边缘分布的一种聚类方法 最大边际聚类（MMC)最大边际聚类（MMC）借用了支持向量机（SVM）的大边缘启发式.最大最小边缘不一定 提升准确率 ， 而是要选取好的

DARTS: Differentiable Architecture Search指数级加速架构搜索：CMU提出基于梯度下降的可微架构搜索方法与传统最优架构不同，DARTS提出了自学架构的方式 研究者称，该方法已被证明在卷积神经网络和循环神

基于虹膜和人脸检测的设想在看了faceNet 使用 LMNN 预先学出距离矩阵，再根据resnet学习出来的模型进行分类，考虑到使用虹膜 叠加 人脸 的方式 增加分类的准确率 参考文献发现国内有使用cnn 和 虹膜结合的，但和facenet

Best Time to Buy and Sell Stock IV题目Say you have an array for which the ith element is the price of a given stock on day