GRASS: Generative Recursive Autoencoders for Shape Structures

最新推荐文章于 2022-04-06 17:07:40 发布
最新推荐文章于 2022-04-06 17:07:40 发布
阅读量952 收藏
点赞数
分类专栏： 三维生成
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_37567000/article/details/89492446
版权
该研究提出了一种基于GRASS的递归神经网络(RVNN)自动编码器，用于表达和混合具有层级结构的长方体模型。经过预训练的RVNN自动编码器首先确定合理的层级结构，随后通过RVNN-GAN确保特征空间能重建合理模型。最终，通过神经网络将层级结构转换回连续的体素模型。预训练阶段的层级结构由随机组件构成，训练过程中自动编码器会学习优化这种结构以减少误差。
摘要由CSDN通过智能技术生成

在这里插入图片描述
这篇论文的工作是，将模型用一组具有层级结构的长方体来表述，且这种层级结构模型，可以通过rvnn来编码为一串隐向量特征，这样就能进行模型混合啦。最后还能把层级结构模型复原为连续的模型。
在这里插入图片描述
整个方法是三步走的，首先是一个基于RVNN的auto-encoder，这一步的主要工作其实是找出合理的层级结构，也顺便进行了预训练。然后是RVNN-GAN，这一步的主要目的是让整个特征空间都能复原出合理的模型。最后就是体素化的几何生成，训练了另一个神经网络用于将层级结构模型复原为体素模型。

RvNN auto-encoder pre-training在这里插入图片描述

这个基于rvnn的autoencoder结构很神奇，它总共有三个encode和三个decode。

decode

最低0.47元/天 解锁文章
莫谷莫谷
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
谣言检测论文分享（三）
weixin_41964296的博客
03-26 1130
分析表明，如果谣言是假的，人们往往会停止传播(Zubiaga et al.， 2016b)。然而，识别这些虚假信息并非易事，需要新闻调查对可疑声明进行事实核查，这是一项劳动密集型和耗时的工作。社交媒体的泛滥使信息负荷和动态性不断增加，使情况变得更糟。因此，需要开发自动化和辅助的方法以方便实时的谣言追踪和揭穿。为了自动化谣言检测，之前的研究大多集中在基于特征工程的监督模型从序列微博流中进行文本挖掘(Castillo et al.， 2011;Kwon等人，2013;刘等，2015;
递归神经网络（recursive NN）结合自编码（Autoencode）实现句子建模
小丫头的博客
08-04 9733
递归神经网络（recursive NN）结合自编码（Autoencode）实现句子建模
两篇img2struct论文
qq_37567000的博客
04-24 489
两篇img2struct论文 【ICCV2017】3D-PRNN: Generating Shape Primitives with Recurrent Neural Networks 【CVPR2018】Im2Struct: Recovering 3D Shape Structure from a Single RGB Image 概述 这两篇论文，都是输入图片，然后输出由多个长方体拼成的三维模...
R-CNN史上最全讲解
weixin_43702653的博客
04-06 6万+
R-CNN史上最全讲解
关于深度学习应用于场景合成/自动布局的相关的论文阅读【211227更新】
inory_li的博客
08-20 2206
如标题，总结归纳一些关于场景合成/自动布局的相关论文。（目前主要收集基于俯视图的2维平面的做法，后期再进行扩展）
matlab生成图形的代码-Grass:草
06-17
matlab生成图形的代码GRASS：形状结构的生成递归自动编码器 作者：李军、徐凯、悉达多·乔杜里、厄辛·尤默、张浩、列奥尼达·吉巴斯 该存储库包含用于盒结构生成的预训练模型，以及生成模型的训练/测试代码。 可以...
GCGAN: Generative Adversarial Nets with Graph CNN for Network-Scale Traffic Prediction
02-08
GCGAN代表“Generative Adversarial Nets with Graph CNN for Network-Scale Traffic Prediction”，即结合了图形卷积网络（Graph CNN）和生成对抗网络（Generative Adversarial Nets，GAN）用于网络规模交通预测的...
CartoonGAN: Generative Adversarial Networks for Photo Cartoonization
01-21
Yang Chen Yu-Kun Lai Yong-Jin Liu∗ Tsinghua University, China Cardiff University, UK Tsinghua University, China chenyang15@mails.tsinghua.edu.cn Yukun.Lai@cs.cf.ac.uk liuyongjin@tsinghua.edu.cn
AmbientGAN: Generative models from lossy measurements--有损测量生成模型
05-18
AmbientGAN属于生成模型的一种，18年很新的文章。下载过后加上后缀名.pdf即可打开。翻译地址：https://mp.csdn.net/postedit/80369226
ChatTTS: A generative speech model for daily dialogue.
最新发布
06-29
ChatTTS is a text-to-speech model designed specifically for dialogue scenarios such as LLM assistant. ChatTTS最新源码
目标检测-RCNN系列
热门推荐
跟随技术的脚步-linolzhang的专栏
01-11 7万+
•   RCNN        RCNN（Regions with CNN features）是将CNN方法应用到目标检测问题上的一个里程碑，由年轻有为的RBG大神提出，借助CNN良好的特征提取和分类性能，通过RegionProposal方法实现目标检测问题的转化。        算法可以分为四步：        1）候选区域选择        Region Proposal是一类传统的区域提取方
论文读书笔记-semi-supervised recursive autoencoders for predicting sentiment distributions
无知的我
11-08 4773
这篇文章主要介绍了如何把深度学习的方法对文本进行分析，得到这段文本中表现的用户情感。在做文本分析时，依据词向量得到某一段文字的向量空间，然后逐层向上分析，继而得到整段文字的向量表示，对这个向量分析得到用户的情感。   下面是本文的一些要点： 1、  前人的工作 almost all previous work is based onsingle, positive/negative cat
CG中的深度学习 |Siggraph 2017 相关论文总结
UWA—简单优化，优化简单！
06-16 3888
深度学习目前尚未席卷计算机图形学（computer graphics）科研领域，并不是因为我们的逆向问题不够多，而是还没有一个专为3D图形数据而设计的深度学习模型（就像专为图片设计的深度卷积神经网络CNN）。但就今年CG顶会SIGGRAPH刚刚公布的这些论文来看，这个格局似乎马上要被打破了。
RNN
Iam_Human的博客
08-20 482
目标：评估词序列的概率 P(w1,...,wm) P(w_1, ..., w_m) P(w1​,...,wm​) 决定词序列是否符合文法或有含义 ## N-Gram语言模型 概率由前 (n-1) 个词计算 P(w1,...,wm)=∏i=1mP(wi∣w1,...,wi−1)P(w1,...,wm)≈∏i=1mP(wi∣wi−(n−1),...,wi−1) P(w_1,...,w_m)=\prod_{i=1}^mP(w_i|w_1,...,w_{i-1})\\ P(w_1,...,w_m)\approx\p
《生成式深度学习》Generative Deep Learning 第三章 Variational Autoencoders 变分自动编码器
yanni0616的博客
08-02 823
1. 自编码器(Autoencoders，AE)：由两部分组成，编码器和解码器。 编码器：将高维的输入数据压缩为更低维的表征向量(representation vector)； 解码器：将给定的表征向量解压为原始维度。 自编码器可以用来清除嘈杂的图片，since the encoder learns that it is not useful to captur...
3. Recursive AutoEncoder（递归自动编码器）
weixin_30484739的博客
10-21 924
1. AutoEncoder介绍 2. Applications of AutoEncoder in NLP 3. Recursive Autoencoder（递归自动编码器） 4. Stacked AutoEncoder（堆栈自动编码器） 1. 前言 今天主要介绍用在NLP中比较常见的AutoEncoder的模型，Recursive Autoencoders（递归自动编码模型）。这篇文章主要讨论...
论文笔记：Semantic Compositional Networks for Visual Caption
放学遛大街
08-09 1384
Semantic Compositianal Networks for Visual Captional 这篇文章有意思的地方在于它处理语义概念（semantic concept）的思路。在这之前看过一篇文章（Image Caption with Semantic Attention）和这一篇比较像，在encoder阶段都提取了图片的卷积特征以及语义概念特征两种特征用于decoder。而且，也是...
第964期机器学习日报(2017-05-09)
ai100_ml的博客
05-10 604
机器学习日报 2017-05-09 面向推荐系统的深度学习文献列表 @爱可可-爱生活贝叶斯深度学习文献列表 @爱可可-爱生活【干货】Kaggle 数据挖掘比赛经验分享 @龙星镖局行人检测、跟踪与检索领域年度进展报告 @爱可可-爱生活TensorFlow生成模型库 @爱可可-爱生活 @好东西传送门 出品,由@AI100运营， 过往目录 见http://ml.memect.com
TensorFlow－3: 用 feed-forward neural network 识别数字
aliceyangxi1987的博客
04-26 8569
今天继续看 TensorFlow Mechanics 101： https://www.tensorflow.org/get_started/mnist/mechanics完整版教程可以看中文版tutorial： http://wiki.jikexueyuan.com/project/tensorflow-zh/tutorials/mnist_tf.html这一节讲了使用 MNIST 数据集训练
介绍Fast-ganfit: Generative adversarial network for high fidelity 3d face reconstruction的内容
07-15
非常抱歉，目前我无法找到与标题 "Fast-ganfit: Generative adversarial network for high fidelity 3d face reconstruction" 相匹配的论文。可能是因为该论文尚未被我所使用的论文数据库收录，或者我对于该论文的...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值