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:
- 形状分类和分割
- 局部描述符学习
- 对应
- 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