exploreCOSMOS: 条件统计形状模型的网络浏览器交互式探索
通过学习干净的人脸数据库和不同的统计形状模型,本文比较了全局和局部的几何形状变化分析,实验结果可以帮助我们在从降噪和遮挡的数据中可靠地提取特定形状时选择更好的模型。
Sep, 2012
本文中,我们从最大可获得的商业扫描数据库中重建了一个广泛使用的统计人体表示,并使得产生的模型对社区可用。我们为了学习模型而预处理了几千次扫描,因此开发了强大的最佳实践解决方案,以排列扫描。我们在广泛的评估中展示出新模型的改进准确性和普遍性,并显示了它对于从稀疏输入数据中恢复人体的改进性能。
Mar, 2015
MedShapeNet 是一个具有超过 100,000 个医学形状的集合,主要用于促进数据驱动的视觉算法在医学应用中的应用,同时提供扩展现实和医疗 3D 打印的免费可用的 3D 模型。
Aug, 2023
该研究提出了一种生成模型来合成 3D 形状,以句柄集的形式 —— 轻量级代理,为交互式编辑、形状解析和构建紧凑的 3D 表示提供应用,通过监督自动形状概括技术,展示了直观的形状表示,并通过我们的模型学习的潜在空间来指导交互形状编辑,补充和插值等任务,实现了卓越的质量。
Apr, 2020
通过整合不同算法的结果,使用 SMPL-X 公共空间,以及考虑人类形体和性别的关联关系,PIXIE 可以从单一图像中生成具有逼真面部细节的全身三维动画角色。与现有技术相比,PIXIE 获得更准确的全身形状和细节面部形状。
May, 2021
MASSM 是一种新的端到端深度学习框架,能够同时在图像中定位多个解剖结构,估计群体级别的统计表示,并勾画出每个解剖结构。
Mar, 2024
Mesh2SSM 是一种新的方法,它利用无监督的、置换不变的表示学习来估计如何将模板点云变形为特定主体的网格,并形成一个基于对应关系的形状模型。该方法可以直接对网格进行操作,且计算效率高,是传统的基于深度学习的 SSM 方法的有吸引力的替代方法。
May, 2023
统计形状建模(SSM)是一种用于分析解剖结构形态变异的定量方法。我们提出了一个扩展粒子形状建模(PSM)的方法,允许形状建模于任意感兴趣的解剖区域,并使用网格场来定义任意形状表面上的感兴趣区域。此方法通过加入二次惩罚方法实现了任意多种限制条件的计算机高效执行。我们通过在一个合成数据集和两个医学数据集上的实验证明了该方法的有效性。
Dec, 2023
本文提出了一个交互式框架,用于从点云数据和 RGB 图像中注释 3D 对象的几何形状,让普通用户能够高效地进行标注,而无需专业技能。该框架包含两个简单易用的交互模块:第一个模块自动猜测 3D 形状并允许用户在所需的 2D 视图中绘制草图提供大误差反馈;第二个模块根据图形卷积网络实现,帮助用户轻松地调整完善 3D 形状。实验验证了本框架在 ShapeNet、Pix3D 和 ScanNet 等流行基准测试上的良好表现,并通过用户研究证明,使用本方法注释的数据可有效促进现实世界的学习任务。
Aug, 2020
提出了利用深度结构性因果形态模型(CSMs)的计算工具来实现对形态变化的因果推理,通过反事实网格生成产生个体化的预测,从而研究基因、环境和生活方式因素对人体结构的影响。
Aug, 2022