本研究旨在使用几何转换编码句法图，并探讨哪种几何转换更好地编码句法关系，以增强短语级合成中的句法情境化。

Jun, 2021

提出了一种基于图论的方法，用于在由部分组成的分层组合架构中表示对象形状，通过统计模型和最小描述长度原则，在受限制的形状单词表达中学习形状的描述，并将内部数据表示与发现的子结构压缩来构建部分组成。在六个基准二维形状图像数据集上验证了该方法。实验证明，Compositional Hierarchy of Parts（CHOP）可以使用部分共享和索引机制快速推断出形状组成，并提供比现有技术更好的形状检索性能。

Jan, 2015

StructureNet 是一种基于层次图网络的生成模型，可以对以各种方式变形、修改的 3D 形状进行编码。它可以用于生成大量逼真的结构形状几何，也可以通过从未标记的图像、点云或部分扫描中直接发现形状结构，同时还能够用于形状生成、插值和编辑。

Aug, 2019

提出神经架构，输入 2D 或 3D 形状并输出生成形状的程序。程序基于构造实体几何原理，采用循环神经网络以一种自下而上的方式解析输入形状，显著提高了速度和精确性，使用强化学习技术进行训练。

Dec, 2017

该论文讨论了神经隐式形状表示的基本概念，比传统的离散表示具有更好的记忆效率和更高的空间分辨率，并提出了一种基于梯度的元学习算法以提高形状空间的泛化能力，从而实现从部分或噪声观测数据中进行的几何重建。该方法在测试时间推断上比自动编码器的方法快一个数量级，同时超过基于编码器 - 解码器的池化网络集合编码器方法。

Jun, 2020

我们提出了一种新的线性代数方法来计算逻辑中的 Tarskian 语义。通过将 M 的实体映射到 N 维独热向量和 k 元关系映射到 k 阶邻接张量，我们在具有 N 个实体的 N 维欧几里得空间 R ^ N 中嵌入了一个有限模型 M。在此框架基础上，我们还提出了一种在线性空间中计算 Datalog 程序定义的最小模型的前所未有的方法，并通过矩阵方程表明其与现有方法相比的有效性。

Mar, 2017

ShapeCoder 是第一个可以自动发现并使用抽象化函数来解释给定形状的系统，它使用了形状到程序识别网络和增强的 E 图来发现更好的抽象化函数，并在多个数据集上实现了更好的数据压缩。

May, 2023

通过结构重写系统（StructRe）进行局部迭代重写过程，实现不同类别、多个物体层次的形状建模，并在形状重建、生成和编辑任务中展示了概率建模和可推广性对于结构建模的好处。

Nov, 2023

本研究提出了一种以不同形状之间的形状差异作为主要对象并将其编码到自己的潜在空间中的方法来进行 3D 内容创建，该方法基于条件变分自编码器，对形状进行编码和解码，以实现对形状差分的压缩表示，分层部分结构的不均匀性以及修改抽象和转移。

Nov, 2019

本文探讨了极简主义语法的改进与应用，通过创建同态关系将语言结构实现为几何向量空间中的线性算子，并使用中间状态与最终结构复杂度的距离来度量处理复杂度。

Jan, 2011