![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
论文复现
文章平均质量分 94
出门吃三碗饭
NeRF,3DAIGC学习ing,PhD研究方向是3D打印,3D建模,欢迎交流
展开
-
论文阅读:Real-Time 3D Model Acquisition
这篇论文介绍了一种新的实时3D模型获取系统,该系统允许用户在扫描物体时手动旋转物体,并实时看到模型的更新。这种紧密的反馈循环使用户能够实时发现并填补模型中的孔洞,并确定何时完全覆盖了物体。系统基于60 Hz的结构光测距仪、实时版本的迭代最近点(ICP)算法用于对齐,以及基于点的合并和渲染算法。作者展示了他们的原型系统比传统的模型获取流程更快、更易于扫描物体的能力。a.系统布局它由显示结构光图案的 DLP 投影仪和 NTSC 摄像机组成。添加了绿线和蓝线在这个可视化中。c.扫描开始后不久,数据积累得相对稀疏。原创 2024-05-09 20:29:32 · 820 阅读 · 2 评论 -
Siren论文阅读笔记:Implicit Neural Representations with Periodic Activation Functions具有周期激活函数的隐式神经表示
Siren论文阅读笔记:Implicit Neural Representations with 由神经网络参数化的隐式定义的、连续的、可微的信号表示已经成为一种强大的范例,与传统的表示相比,它提供了许多可能的好处。然而,当前用于此类隐式神经表示的网络架构无法对信号进行精细细节建模,并且无法表示信号的空间和时间导数,尽管事实上这些对于许多隐式定义为偏微分方程解的物理信号至关重要。我们建议利用周期性激活函数进行隐式神经表示,并证明这些网络(称为正弦表示网络或 SIREN)非常适合表示复杂的自然信号及其导数。原创 2023-07-16 00:38:10 · 1428 阅读 · 2 评论 -
作为一名研究生/博士生,我应该知道什么
作为一名研究生/博士生,我应该知道什么原创 2023-07-07 15:46:03 · 341 阅读 · 0 评论