本文探讨点云隐式表达在3D形状建模中的应用，介绍NIPS2016、ICML2018、CVPR2019和2020年的相关论文，包括3D-GAN、隐字段学习和点云分析的神经隐式嵌入等技术，利用隐表达简化3D表面学习并提升生成模型的性能。
文章目录
- 隐表达
- 相关论文
-
- 1. NIPS2016：Learning a Probabilistic Latent Space of Object Shapes via 3D Generative-Adversarial Modeling
- 2. ICML2018：Learning Representations and Generative Models for 3D Point Clouds
- 3. CVPR2019：Learning Implicit Fields for Generative Shape Modeling
- 4. CVPR2020：Points2Surf: Learning Implicit Surfaces from Point Cloud Patches
- 5. CVPR2020：Neural Implicit Embedding for Point Cloud Analysis
清库存系列，之前一直想写一下，可还没有非常仔细去阅读，就先列表在这里。后面有时间了再细解每一篇论文吧。
隐表达
隐表达到底在做一件什么事情？
列个表看一下3D表达形式哈：
所以如图很清楚的解释了隐表达，是把3D形状转换成了决策面来学习。
简单来说呢，就是，我认为3D表面，也就是上面图里兔子表面为0，里面或外面是-1或1，那么我只需要学习这个超平面，也就是这个3D表面即可。问题一下子就简单了好多。因为最终只需要预测空间中的这个点是0、-1、还是1。
画个图如下，意思就是隐表达学习的就是黑线y函数的这个部分，也就是3D空间的那个面。红色方框和绿色圈就是-1和 1的情况，不属于表面。
相关论文
1. NIPS2016：Learning a Probabilistic Latent Space of Object Shapes via 3D Generative-Adversarial Modeling
概要
-
提出了3D-GAN，从概率隐空间空间生成三维对象；即：
-
探索了隐空间表达，其实只是探索了隐空间特征组合情况
其中整体架构如下所示：
-
单个
最低0.47元/天 解锁文章
扫一扫
809
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
