wangyc1208的博客

introduction：本篇论文，介绍了一个通过深度网格变形的点云自编码器（AE）。提出了新的端到端graph-based编码器和folding-based解码器。实现2D到3D的映射contributions：训练了一个端到端的深度自编码器，来直接作用在无序点云上；提出了一个新的解码操作folding，为重构的点云排序；做实验，可知，相比其他无监督的方法，folding分类的精...

Introduction：本文提出了Shape Deformation Networks，来做template-driven形状对应。这个网络学习 变形模板的形状，并与输入形状做对应。训练：shape deformation networks（encoder-decoder）编码网络：将目标形状作为输入，生成全局特征向量解码网络：模板作为输入，将模板变形为目标形状Method：论文方...

一、目的：这篇论文存在的意义是什么呢？作者在这篇文章里提出了一个网络，是PPF-FoldNet。在这个网络出现之前，作者提出了一个叫PPFNet的网络，这个网络主要是用来得到一个理想的具有鲁棒的3D局部特征子。但是，它有缺点，这个网络对于旋转这个操作来说是很敏感的。也就是说，如果我输入的一个样本是正向的，然后，我把它转了一个角度，按理说，输出的结果与转之前的结果相差不大，但是，现实是有一定差距...

网络结构：Encoder：input： 256×256×3 的 imagearchitecture：从卷积层开始，后面跟有10个残差块output：8×8×256 的 feature mapDcoder：input： 8×8×256 的 feature maparchitecture：17个transposed convolution layers（转置卷积块）→kernel si...

目标：从单张彩色图像直接回归出3D人体的姿态和形状。——————————————————————————————————————亮点：之前的工作都是先根据图像生成中间结果（比如人体分割、2D/3D关节点、轮廓… ），再通过网络得到shape和pose。这篇文章用CNN直接从单张图回归出了3D人体网格。——————————————————————————————————————相关工作...