Aug, 2020

PatchNets：基于局部块的通用深度隐式 3D 形状表征

PDF
TL;DR本文提出了一种基于 patch 的中层面向对象表示方法，将不同类别对象的相似性建模在 patch 级别，使模型更具有通用性，并且提出了一种新的在规范空间中学习 patch 表示的方法，该表示方法对物体的类别不敏感，在训练时只需要较少的数据集，在形状插值和局部点云完成等应用上也有良好的效果。
implicit surface representationsdeep learningpatch-based surface representationobject-agnosticshape interpolation
发现论文，激发创造
  • 通过学习可微分表面表示进行形状重建

    本研究利用深度神经网络的可微分性，防止曲面崩溃和强烈减少曲面重叠，在表面重构方面显著超过现有技术。

    Nov, 2019

  • 3D ShapeNets：一种用于体积形状的深度表示

    使用卷积深度置信网络将几何 3D 形状表示为 3D 体素网格上的二元变量的概率分布，以实现物体识别和根据 2.5D 深度图形完成 3D 形状恢复等多个方面的任务，利用构建的大规模 3D CAD 模型数据集 - ModelNet 进行训练，可以在各种任务中显著提高性能。

    Jun, 2014

  • Patch2CAD：单张图像中自然环境下的形状检索的补丁嵌入学习

    本文介绍了一种基于 CAD 模型的方法，通过构建 2D 图像和 3D CAD 模型之间的联合嵌入空间，实现了对物体形状的精确估计和检测。试验结果表明，该方法对于复杂场景中的图像检测更为鲁棒。

    Aug, 2021

  • PatchMixer：重新思考网络设计以提升三维点云理解的泛化性能

    本文提出了 PatchMixer 架构，通过处理局部补丁和使用 MLP 聚合补丁特征，将 MLP-Mixer 的思想扩展到 3D 点云中，以提高深度网络架构的泛化性能。

    Jul, 2023

  • 基于补丁的 3D 自然场景从单个示例生成

    提出一种基于 3D Patch 的生成模型，用于生成高质量通用自然场景，解决了训练数据量小、场景特征变化等问题。

    Apr, 2023

  • OpenPatch: 用于外部分布检测的三维拼接

    这篇论文介绍了 OpenPatch 方法，它使用预训练模型从中间特征中提取一组描述每个已知类别的补丁表示，在新样本中评估其是否主要由单个已知类别的补丁构成或通过多个类别的贡献来组成，并通过广泛的实验评估展示了其在语义新颖性检测任务中的出色性能。

    Oct, 2023

  • 弱监督目标分类和发现的深度补丁学习

    本文提出了一种基于弱监督的学习方法，通过将图像视为一个包中的实例将其融入到深度神经网络中，将弱监督的多实例学习约束与深度神经网络集成在一起，并采用端到端的方式优化网络以实现对象分类和发现任务。在 PASCAL VOC 数据集上的测试表明，该方法在对象分类方面可以获得最先进的性能，并且在对象发现方面也具有很强的竞争力，并且测试速度比竞争者更快。

    May, 2017

  • HPNet: 使用混合表示进行深度原语分割

    本文介绍了一种用于将以点云表示的三维形状分割成原始补丁的新型深度学习方法 HPNet，其利用混合表示结合学习语义描述符、预测几何参数导出的两个谱描述符以及编码锐利边缘的邻接矩阵。实验结果表明，相较于基线方法，HPNet 可以显著提高性能。

    May, 2021

  • 基于弱监督的 PatchNets：描述和聚合局部图像块进行场景识别

    本文提出了一种基于 PatchNet 模型与 VSAD 特征表达方法的图像场景识别混合表示方案，并在 MIT Indoor67 与 SUN397 两个基准数据集上取得了最新的最优性能结果。

    Sep, 2016

  • SurfNet：使用深度残差网络生成三维形状表面

    利用几何图像的形式通过卷积神经网络，直接生成三维形状表面，实现形状表面的插值、发明以及从未看见的图像中恢复三维形状表面等功能。

    Mar, 2017