论文阅读笔记

论文阅读笔记

几何深度学习(Geometric deep learning)

• 解释：将神经网络结构推广到非欧几里德领域。
• 方法：光谱法（spectral methods）, local charting based，graph attention等
• 关键问题：定义一个有意义的内在运算，类似于网格或点云上的卷积和聚集(pooling)
• 分析任务：

1. 形状分类和分割
2. 局部描述符学习
3. 对应
4. 检索

体素（voxel）

把像素风格中的小方块引申到三维空间里，让图像呈现一小块一小块的鲜明风格。比如《我的世界》和最近非常火的《纪念碑谷2》就是这样的风格。

深度图

用每个像素的灰度值表示场景中某一点距离摄像机的远近。
深度图像的获取原理

点云

点云是某个坐标系下的点的数据集。
点包含了丰富的信息，包括三维坐标X，Y，Z、颜色、分类值、强度值、时间等等。
主要是通过三维激光扫描仪进行数据采集获取点云数据，其次通过二维影像进行三维重建，在重建过程中获取点云数据，另外还有一些，通过三维模型来计算获取点云。

• 文章中指出：
  点云是最近流行起来的体积表示的一个简单而轻量级的替代方法。尽管点云结构紧凑，但由于缺乏邻域连接和底层平滑结构，点云在生成逼真、高质量的三维几何时并不受欢迎。

https://www.cnblogs.com/lainey/p/8547056.html

可变模型

• Face：3DMM，LSFM（Large Scale Face Model）
• Body：SMPL模型
• Hand：MANO