3d Shapes
PulseAugur coverage of 3d Shapes — every cluster mentioning 3d Shapes across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
Gromov-Wasserstein 量化扩展 K-Means 以实现几何感知聚类
本文将 Gromov-Wasserstein (GW) 量化作为传统 k-means 聚类的扩展。与在空间内进行点聚类的标准 Wasserstein 量化不同，GW 量化还考虑了空间本身的几何结构。该研究证明了 GW 量化的解的存在性，并提出了一种类似于 Lloyd 算法的数值逼近算法。研究还分析了欧几里得几何的量化速率，并通过实验证明 GW 量化提供了新的建模能力，例如用于 3D 形状和神经网络剪枝。
-
新方法将图像分割与3D形状对应起来
研究人员开发了一种在图像分割和3D形状之间建立对应关系的新方法，解决了外观、几何形状和视点差异带来的挑战。该方法将2D模型中的深度视觉特征提炼到3D表面上，以计算图像像素和形状顶点之间的特征相似性。这使得在图像分割中识别出与3D形状特定区域对应的“最佳分割伙伴”，最终实现更准确、语义上更有意义的对齐。
-
SGSoft 管道通过模板引导的信号学习三维形状对应关系
研究人员推出了一种名为 SGSoft 的新管道，用于在可变形三维形状之间建立密集对应关系。该方法使用一个标准模板创建测地线对应场，然后指导多模态描述符的学习。SGSoft 旨在克服结构变异和非等距变形等挑战，与现有方法相比，具有更好的泛化性和效率。学习到的描述符还可以应用于语义分割和变形传递等下游任务。
-
SQuadGen 使用扩散模型和图距离场进行简单的3D四边形网格布局
研究人员开发了SQuadGen，一个基于扩散的新生成框架，旨在创建3D形状上的简单四边形网格布局。该方法解决了生成干净、对艺术家友好的四边形布局的挑战，这对于高效的3D建模和编辑至关重要。SQuadGen 利用图距离场（CDF）进行连续表面表示，并使用高质量四边形布局的大型数据集来克服现有技术的局限性。