申请试用
HOT
登录
注册
 

学习邻域结构的三维mesh卷积

白玉兰开源
/
发布于
/
298
人观看
  • mesh是一种常见的三维形状格式,mesh的表征学习在计算机三维视觉和图形学有着广泛的应用。众所周知,CNN已经在结构化数据(比如图像,语音等)取得了巨大的成功。然而,不同于结构化数据,mesh是一种图结构,每个顶点的邻域点个数是变化的,CNN无法直接应用在mesh这种数据上。
  • 我们提出了一种自适应邻域结构的卷积,根据每个顶点的邻域结构自适应地学习一个权值矩阵对邻域点进行重采样,使得每个顶点的临域点遵从一个统一的隐式顺序,从而可以利用CNN卷积操作实现mesh的表征学习。
  • 实验表明,我们的方法不管是在时间效率上还是重建精度上极大地超越了之前的方法。

高忠派,现为上海交通大学人工智能研究院博士后,2018年博士毕业于上海交通大学电子工程系。研究方向包含计算机三维视觉、三维显示等。博士期间访问哈佛医学院,从事基于三维显示晕动症的问题。在ACM MM, AAAI, TMM, TCyb, Display, DSP等会议和期刊上发表论文数十篇。获得DynaVis@CVPR 2020动态场景重建研讨会的最佳论文奖。博士后期间入选国家博士后创新人才支持计划,上海市超级博士后激励计划,获得国家自然科学青年基金项目资助。

0点赞
0收藏
3下载
确认
3秒后跳转登录页面
去登陆