- 从普通视频学习非刚性 SfM 的先验知识
通过一次稀疏点轨迹矩阵的前向传递,我们提出了 TracksTo4D—— 一种新颖的基于深度学习的方法,用于从野外视频中推断出来自动态内容的三维结构和相机位置。
- 语义就够了:仅基于语义信息的 NeRF 重建
优化 Semantic-NeRF 模型以实现仅有语义输出,并移除 RGB 输出成分,通过对比实验证明这种改动对于场景理解、目标检测和分割等任务的影响,提供了渲染场景的新方式并促进了进一步的研究和发展。
- SE (3) 不变空间中的扩散过程
通过微分几何的视角,本研究对 SE (3) 不变空间中的扩散机制进行了数学界定,揭示了坐标与点间距流形之间的相互作用行为,并提出了准确且无需投影的扩散 SDE 和 ODE 公式,从而提高了生成路径的性能和速度,并为其他包含 SE (3) 不 - 基于学习的双调和增强点云分类
使用 Biharmonic augmentation 方法对点云数据进行数据增强,通过平滑的非刚性变形来改变 3D 结构,使用 Advtune 系统和对抗训练来自动创建适应性形态变形,实验证明 Biharmonic Augmentation - 应用图神经网络预测均匀受载钢板的应力
本研究提出了一种新颖的图嵌入技术,通过将分离的板域视为顶点,利用图采样和聚合(GraphSAGE)预测具有不同几何形状的加劲板的应力分布,对比有限元 - 顶点图表示的方法,研究结果表明,图神经网络和所提出的图嵌入方法作为强大的三维结构的高效 - DiffPack: 自回归蛋白质侧链填充的扭转扩散模型
DiffPack 是一种扭转扩散模型,可以通过对扭曲空间进行扩散和去噪来学习侧链的扭曲角度联合分布,从而实现精确预测蛋白质侧链构象。该方法在多项基准测试中均取得可观的进展,在 CASP13 和 CASP14 上的角度精度分别提高了 11.9 - 应急响应任务自动化 3D 搜索计划
本次工作中,我们提出了一个统一的搜索规划框架,通过考虑低级任务限制,任务目标和用户定义的任务规范来实现无人机在三维空间内搜索规划的自动化和执行,以帮助在紧急响应任务中定位幸存者和需要救援的人群。
- ICLR目标感知分子生成和亲和力预测的 3D 等变扩散
本研究基于 3D 等变扩散模型实现有标的分子设计,并提出了一种综合的评估框架来评估样本分子的质量,实验结果表明,该模型能够更好地生成具有更逼真的 3D 结构和更好的与蛋白靶点的亲和力,而且在不重新训练的情况下能够提高结合亲和力排名和预测质量 - ICLR通过完整的三维图网络学习分层蛋白质表示
本文介绍 3D 图结构的蛋白质表示学习。使用蛋白质结构构建 3D 图,循序渐进地学习蛋白质的不同层级表示,并提出了一种新的层次图模型 ProNet,以便更好的分类和表征蛋白质。实验结果表明,ProNet 性能优于现有方法。
- 3DLinker: 一种 E (3) 等变可变自编码器用于分子连接器设计
本研究提出一个命名为 3DLinker 的条件生成模型,以生成用于连接具有独立功能的两个分子的链接物,该模型可以预测锚点,以及联合生成链接器图形和它们的 3D 结构,具有较高的恢复分子图形的率和准确地预测所有原子的 3D 坐标的表现。
- ICML用于三维大分子结构的等变图神经网络
应用等变图神经网络提高在结构生物学中解决机器学习中出现的三维大分子结构的难题,在八个任务中,在三个任务上超越了所有基准模型,在另外两个任务上并列第一,在使用高阶表示和球面谐波卷积的等变网络中表现良好。此外,我们证明迁移学习可以进一步提高特定 - CVPR从多个物体的 2D 视图中识别 3D 形状
本文提出了一种称之为 “PrGANs” 的方法,能够在无监督学习的情况下,训练出一个能够从二维视角中通过投影反推出三维结构分布的生成式模型,并能够实现从输入图像中预测三维形状和视点,并生成新视图的功能。
- ECCV针对特定类别的物体结构估计的非刚性运动对称算法
本文针对多个视角下同一对象类别的多张图像中的对称性进行了研究,提出了两种利用对称性约束的非刚性运动结构算法,并在 Pascal3D+ 数据集上验证了其性能。
- CVPR利用对称和曼哈顿性质从单张和多张图像中获取 3D 物体结构估计
本文提出了一种使用对称性和曼哈顿结构线索的算法去估计三维结构和相机投影,通过使用多张来自同一类别的图像,我们提出了一种新颖的刚性结构运动方法,该方法显著优于基准方法。
- 蛋白质中联系预测的改进:使用拟似似然函数推断 Potts 模型
在结构生物学中,从蛋白质的序列推断出其三维结构是一个开放性问题,本文采用伪最大似然方法应用于描述统计学特性的 Potts 模型,较现有的基于标准平均场技术的直接耦合分析方法能够更好地区分直接和间接相互作用,并成功地验证了该方法的效果。