几何深度学习(Geometric Deep Learning)是指对几何对象如网络、空间点云、曲面等应用深度学习算法。深度学习喜欢 End-to-End 解决问题,中间过程有比较多的黑盒,在很多很难完整描述出数学模型的识别类任务中表现尤为出色。但是在传统的几何里面,很多工作是有比较好的数学基础的(比如摄影几何、李群与李代数、BA等等),如果抛弃这些理论全盘黑盒方式解决,有时未必有很好的效果。因此,对于几何深度学习方向来说,可以利用深度学习的方式改进传统的几何方法的某些环节,或者利用深度学习强大的特征学习能力再与几何方式结合。
该论文集共收录185篇论文,最高引用数是2497,来自斯坦福大学的Leonidas J. Guibas
在该领域发表了18篇论文,在所有学者中最多。
论文集地址:https://www.aminer.cn/topic/5fcf1f4d92c7f9be21ea70fa
订阅了解更多论文信息,定制您的个人科研动态信息流:https://www.aminer.cn/user/notification
#论文# #AMiner#