Nov, 2018

TextureNet：用于在网格上学习高分辨率信号的一致局部参数化

PDF
TL;DR该论文提出了一种名为 TextureNet 的神经网络架构，用于从与 3D 表面网格（例如彩色纹理映射）相关的高分辨率信号中提取特征，在几何邻域上提取特征，结果显示在 3D 语义分割中性能显著优于现有方法。
texturenetneural network3d surface meshes4-rosy fieldsemantic segmentation
发现论文，激发创造
  • 基于合成分析的神经纹理可变形网格

    本文提出了一种通过近似合成分析的方法来训练神经网络，利用可变形网格模型来优化图像与三维模型之间的关系，从而实现对数据的稳健泛化，本方法在测试集中表现良好，尤其在数据分布不均时表现更优。

    May, 2023

  • 使用旋转等变特征的曲面上的 CNN

    该论文提出了一种用于表面的网络架构，其中包含旋转等变的特征，以解决运输滤波器核时出现的旋转歧义问题。基于圆谐函数的卷积滤波器在离散层次上具有旋转等变性，将该方法应用于三角网中，并在形状对应和分类任务上进行了评估。

    Jun, 2020

  • 利用卷积神经网络进行纹理合成

    介绍了一种基于卷积神经网络特征空间的自然纹理新模型，可生成具有高感知质量的样本，可作为神经科学刺激或深度卷积神经网络学习的新工具。

    May, 2015

  • NeuTex: 用于体积神经渲染的神经纹理映射

    该研究介绍了一种通过将几何图形和外观区分开来的方法，使用体积场景表示和可微分体积渲染，利用表面参数化网络以及循环一致性损失等技术，生成高质量的渲染结果，且可直接通过编辑 2D 纹理贴图来修改外观。

    Mar, 2021

  • 基于 CNN 的纹理生成中引入远程一致性

    本文提出一种对卷积网络的特征进行简单修改的方法，可以将长程结构纳入图像生成，并渲染满足各种对称约束的图像以及在图像修复和季节转换等方面应用广泛。

    Jun, 2016

  • 3DTextureTransformer：对任意网格拓扑进行几何感知纹理生成

    使用名为 3DTextureTransformer 的新颖框架，结合几何深度学习和 StyleGAN 类似的架构，能够在不改变原始高分辨率输入网格拓扑的情况下生成高质量的纹理。该架构在学习来自 3D 几何体和现实世界 2D 图像的情况下，与任意网格拓扑一起工作，取得了该类解决方案中的最新性能。

    Mar, 2024

  • 使用随机卷积滤波器的浅层卷积神经网络纹理合成

    研究表明，随机浅层卷积神经网络的特征空间可以作为自然纹理的模型，可以用于纹理合成算法，并且相较于深层 CNNs 模型，浅层 CNNs 模型具有相当的性能。

    May, 2016

  • 深度几何纹理合成

    本研究提出了一种新的框架，用于学习几何纹理统计知识以生成具备放射性的深层特征，使得可以实现在不同层次上的网格顶点位移及纹理转移。

    Jun, 2020

  • 使用卷积神经网络综合动态纹理

    使用卷积神经网络的特征表示来计算时空统计量，并提出一种参数化的模型，能够合成新的动态纹理样本并预测简单电影中的运动。

    Feb, 2017

  • 探究视觉感知的纹理插值

    采用最优传输理论来生成纹理样本，提出了一种基于卷积神经网络的插值方法，同时应用于人和猴子的视觉感知和神经敏感度研究，拓展了对视觉处理的理解。

    Jun, 2020