实体
Point-BERT
Point-BERT
PulseAugur coverage of Point-BERT — every cluster mentioning Point-BERT across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
LLM2R 使用大型语言模型进行3D零件组装
研究人员开发了LLM2R，这是一种新颖的方法，它将3D零件组装视为一个序列建模问题，使用预训练的仅解码器大型语言模型。该方法将零件信息压缩成几何标记，然后由使用低秩自适应（LoRA）调整的大型语言模型进行处理。LLM2R引入了可学习的摘要标记来聚合组装信息，从而通过一次前向传播即可预测所有零件的姿态，提高了准确性和可扩展性，尤其适用于具有大量零件的物体。
-
新型神经网络分类楔形文字泥板元数据
研究人员开发了一种新的神经网络架构，用于对楔形文字泥板的元数据进行分类。该方法通过采用一种受卷积启发的途径，逐步缩小点云的尺寸并整合局部邻域信息，从而解决了标注数据集有限和高分辨率点云表示的挑战。然后，对最终缩小后的点云进行处理，通过计算特征空间中的邻域来整合全局特征。这种新型网络在性能上优于最先进的基于 Transformer 的网络 Point-BERT。
-
FILTR框架使用Transformer从3D模型中提取拓扑特征
研究人员开发了FILTR，一个旨在从预训练的3D模型中提取拓扑特征的新型框架。该方法将Transformer解码器应用于生成持久性图（persistence diagrams），这些图直接从冻结的编码器中总结形状的多尺度结构。尽管现有的3D编码器显示出有限的全局拓扑信号，FILTR有效地利用其输出来近似这些图，从而实现从原始点云进行数据驱动的提取。