PulseAugur
中
实时 19:08:53

新方法审计3D形状检索，GMSD-HKS引领基准测试

作者 PulseAugur 编辑部 · [1 个来源] ·

一篇新研究论文介绍了一种新颖的评估无训练3D形状描述符的方法——扩散测地矩（Diffused Geodesic Moments, DGM）。该研究将描述符评估重构为协议审计，强调了局部信号设计、归一化和聚合选择如何显著影响检索分数。在FAUST和TOSCA数据集上的实验表明，使用热核签名特征（Heat Kernel Signature, HKS）的独立几何矩形状描述符基线（GMSD-HKS）取得了最高分，而DGM在稀疏求解或非谱部署等特定应用中证明了其有用性。 AI

排序理由 这是一篇研究论文，详细介绍了一种新的3D形状检索评估方法和基线。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新方法审计3D形状检索，GMSD-HKS引领基准测试

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Zhicheng Du, Changyue Liu, Wenji Xi, Zhaotian Xie, Zhuo Deng, Ziheng Zhang, Yang Liu, Lan Ma ·

    Auditing Training-Free 3D Shape Retrieval with Diffused Geodesic Moments

    arXiv:2605.29004v1 Announce Type: new Abstract: Reported retrieval scores for training-free shape descriptors conflate local signal design, normalization, aggregation, codebook fitting, and metric choices, making isolated component evaluation difficult. This paper reframes descri…

相关实体

相关话题