Apr, 2023

Dr. KID: 有机形状可扩展物理实现的直接重网格和 K 集等距分解

PDF
TL;DRDr. KID 是一种使用等距分解算法的拼图化马铃薯形有机模型物理化的算法，该算法使用 k-means 聚类和 remeshing 迭代重构，通过曲率感知策略确定表面厚度并生成拼图组件，通过三角形子分割和曲率感知聚类实现更顺滑的结果，经过评估，证明在目标有机形状上表现可靠，且几何损失最小化。
algorithmisometric decompositionk-means clusteringremeshing3d printing
发现论文，激发创造
  • 密集三维人脸对应

    该研究论文提出了一种算法，通过自动检测的稀疏对应点并通过匹配三角形边缘处的表面曲率的显著点迭代地三角化已有的对应点并扩展它们来自动建立大量三维人脸之间的密集对应，同时构建了一种可变形模型用于未见过人脸的变形拟合，经过广泛的数据评估表明，该算法在合成数据和实际人脸上都达到了较高的稳健性和精度。

    Oct, 2014

  • Product Manifold Filter: 通过核密度估计在乘积空间中进行非刚性形状对应

    通过核密度估计的统计框架，我们提出了一种不依赖于形状同构的替代恢复技术，能够保证双向对应并产生更高的精度和平滑度，并在多个具有挑战性的可变形 3D 形状匹配数据集上展示其性能。

    Jan, 2017

  • 通过核匹配实现高效的可变形形状对应

    本文提出了一种通过描述符匹配、连续性限制和 DC 编程来解决三维形状匹配问题的方法，该方法可以在处理非等距变形、拓扑变化和不完整数据的情况下，有效地收敛到一种有意义的连续匹配方案，具有较好的可扩展性。

    Jul, 2017

  • 嵌入式形状匹配在摄影测量数据中的应用于建模知识

    使用摄影测量学、三维模型、模式识别、表面表示和文化遗产，提出了一种新的基于映射的文化遗产设计和制作方法。

    Dec, 2023

  • k-MS: 一种基于形态重构的新型聚类算法

    该论文提出了一种基于数学形态学重构和启发式的聚类算法，k-Morphological Sets (k-MS)，它比 CPU 并行的 k-Means 在最坏情况下更快，并产生更好的数据集可视化和非常独特的聚类。另外，k-MS 还可以有效地从图像或数据集中去除噪声，同时具有确定性和内在的最大聚类数量感。

    Aug, 2022

  • 基于 K-medoids 算法的主动距离聚类

    提出了一种新的 k-medoids 聚类算法，该算法只需要一小部分数据点之间的距离，并利用三角不等式来估算未知距离的上界，并采用递归方法和主动选择数据点的方法，在真实世界和合成数据集上经验证明其能够找出合适的聚类效果。

    Dec, 2015

  • 非结构化三维网格内在对应关系学习的简单方法

    本研究探索如何用更简单、直接的编码方法来表示 3D 几何形状，以提高几何处理效率并避免数据保真度损失。实验结果表明，该方法能在非刚性形状一致性估算方面取得竞争优势。

    Sep, 2018

  • 学习三维形状生成和匹配的基本结构

    本文提出将形状表示为可学习的三维基本结构的变形和组合，并演示了学习到的基本结构在三维形状生成和匹配方面的显著改进，通过区块变形学习和点翻译学习两种方法，在 ShapeNet 对象重建和人体扫描之间的稠密对应估计中取得了比现有方法更好的结果。

    Aug, 2019

  • 聚类分析中的形状复杂性

    利用多维数据的形状复杂度概念，应用在特定的非线性函数上，制定了一种新的 “中等距离” 下的基于约束的非线性规划问题，从而探索更有效的聚类缩放因子数量的方法。

    May, 2022

  • 基于变形引导的非刚性形状匹配无监督方法

    我们提出了一种无监督数据驱动的方法用于非刚性形状匹配，通过建立层次化基于补丁的形状表示和约束形状匹配的 3D 近刚性变形模型，实现了对噪声和变形具有鲁棒性的匹配。实验证明，相比最先进的方法在原始 3D 扫描数据上获得了显著更好的结果，并在标准测试场景上表现相当。

    Nov, 2023