Aug, 2019

StructureNet: 用于 3D 形状生成的分层图网络

PDF
TL;DRStructureNet 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。
3d shapespart semanticsstructurenethierarchical graph networkshape geometry
发现论文，激发创造
  • LSD-StructureNet: 3D 部件层次结构中结构细节模型化

    本文提出了一种增强的 StructureNet 结构，名为 LSD-StructureNet，使得其能够生成位于任意位置的零件，并且不影响推理速度或输出的真实性和多样性，从而解决了之前基于整体建模的 3D 形状生成模型无法进行条件采样的问题。

    Aug, 2021

  • GRASS: 用于形状结构的生成递归自编码器

    介绍了一种新颖的神经网络架构，用于编码和合成 3D 形状的层次结构，其中包括生成模型和形状合成模块。

    May, 2017

  • 结构形状建模的重写技术

    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

  • SAGNet：用于 3D 形状建模的结构感知生成网络

    SAGNet 是一种结构感知型生成模型，通过自编码器将某类物体的部件几何和部件间关系的结构特征联合学习，并在潜在空间中进行了嵌入。SAGNet 的编码器将几何和结构特征交错成单一潜在代码，而解码器可以解开特征并重构 3D 模型的几何和结构。

    Aug, 2018

  • 面向结构感知形状合成的零件生成与组装学习

    通过使用部件感知深度生成网络 (PAGENet) 建模三维形状的变化，利用每个部件的 VAE-GANs 生成具有语义感知的部件，并使用部件组装模块将它们组装在一起，从而减少了建模三维形状变化的难度。该模型在语义形状分割和基于部件的形状编辑等应用中取得了可信度高、多样性和细节丰富的三维形状的生成效果。

    Jun, 2019

  • SDM-NET: 结构可变网格的深度生成网络

    SDM-NET 是一种深度生成神经网络，用于生成符合形状集合全局部分结构的有结构变形的网格，并通过部分 VAE 在部分几何形状和结构 VAE 的联合学习来确保全局形状结构和表面详情之间的一致性。

    Aug, 2019

  • DSG-Net：学习 3D 形状生成的分离结构和几何

    介绍了一种深度神经网络 DSG-Net，通过变分自编码器在分层结构上同时学习结构和几何形状，并使用条件部分 VAE 表示高质量的几何细节，从而实现了 D 形状生成的可控、高质量和可分离表示。

    Aug, 2020

  • 网络层次结构的结构推断

    研究网络中的等级结构和生成任意等级结构的一般模型，通过两个示例网络演示了该方法在解释网络数据、注释图与边、顶点及社区属性以及生成更多假设测试的一般空模型方面的优势。

    Oct, 2006

  • 场景表示网络：连续的三维结构感知神经场景表示

    提出了一种连续三维结构感知场景表征模型 Scene Representation Networks (SRNs)，能够通过不需要深度或形状信息的二维图像及其相机姿态进行端到端训练， 并在视角合成、少样本重建、形状外插及表现插值等任务中展示出潜力。

    Jun, 2019

  • 深度结构生成模型

    本文提出了一种新颖的深度结构生成模型，它基于随机与或图来编码场景的结构，并引入了检测网络来推断图像中的场景结构。实验结果表明，该方法不仅能够建模内在结构，还可以生成逼真的图像。

    Jul, 2018