赞
踩
隐表达到底在做一件什么事情?
列个表看一下3D表达形式哈:
所以如图很清楚的解释了隐表达,是把3D形状转换成了决策面来学习。
简单来说呢,就是,我认为3D表面,也就是上面图里兔子表面为0,里面或外面是-1或1,那么我只需要学习这个超平面,也就是这个3D表面即可。问题一下子就简单了好多。因为最终只需要预测空间中的这个点是0、-1、还是1。
画个图如下,意思就是隐表达学习的就是黑线y函数的这个部分,也就是3D空间的那个面。红色方框和绿色圈就是-1和 1的情况,不属于表面。
提出了3D-GAN,从概率隐空间空间生成三维对象;即:
探索了隐空间表达,其实只是探索了隐空间特征组合情况
其中整体架构如下所示:
单个图的3D重构,如下图
在原始点云上运行的GANs
在AEs的固定潜空间中训练的GANs
高斯混合模型,该模型总体效果最好
使用implicit field作为解码器来做形状生成,也是通过构建表面来生成形状。这个隐表达的好处,其实就是在面上的为0,里面或外面为-1或1,这样其实就是一个超平面拟合的问题。编码器的话可以是通用CNN或PointNet。
简单可以看加了一些限制的隐表达曲面的生成过程,这里的SDF本质上还是在说隐表达的含义:就是曲面上是0,里面或外面>0或<0。
这篇文章本质上呢是通过构建局部神经网络(ELM)来增强形状的表达。既然学习到了这个形状,那么后续很多任务都可以用到。文章中提到了分类分割,所以题目也叫做点云分析。
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。