geometric structures | BriefGPT

关键词geometric structures

搜索结果 - 13

新高效视觉 OILU 标记
基本模式是各种更或更少复杂的几何结构的来源，我们将利用这些模式开发新的高效视觉标记。所提出的标记除了是投影不变量外，还可以生成丰富的独特标识符，这在资源密集型导航和增强现实应用中非常重要。我们标记的螺旋拓扑结构允许准确的识别方案验证，其中使
PDF3 months ago
自然图像拼接的物体级几何结构保持
基于全局相似性先验和三角网格，本研究旨在保护图像中的整体对象级结构，同时减轻畸变和幽灵伪影。实验证明我们的方法在图像拼接方面取得了新的最先进水平。
PDF4 months ago
SSFlowNet: 基于伪标签的点云半监督场景流预测
SSFlowNet 是一种半监督的场景流估计方法，通过混合有标签和无标签的数据，优化标签成本和模型训练精度之间的平衡，主要通过创新地使用伪标签降低对大量标记数据的依赖，并强调点云的几何结构以及引入空间记忆特征来学习顺序时间帧上点之间的几何关
PDF6 months ago
非欧几里德空间图神经网络
本研究提出了一种新的通用框架，用于学习嵌入非欧几里德流形空间的空间网络的表示，通过结合图拓扑和空间几何，以边上的信息形式提取空间几何，保证学习到的表示对重要的对称性具有不变性，并能够区分不同的几何结构。通过对合成和真实世界数据集的大量实验证
PDF7 months ago
点云自监督学习：基于三维到多视角遮蔽自编码器
通过使用 3D 到多视图掩码自编码器，充分利用 3D 点云的多模属性，提出了一种全新的方法，这不仅丰富了模型对几何结构的理解，还利用了点云的固有多模性能，有效地改进了各种任务，包括 3D 对象分类、少样本学习、部分分割和 3D 对象检测。
PDF8 months ago
基于图像点云融合的异常检测：以 PD-REAL 数据集为例
通过使用 Play-Doh 模型和 RealSense 相机，我们提出了 PD-REAL 数据集，用于在 3D 领域进行无监督异常检测研究，该数据集在分析 3D 信息的有益作用时展示了显著的节约成本、易扩展性和易于控制变量的优势。
PDF8 months ago
Dolfin: 无自编码器的扩散布局变换器
该论文介绍了一种新颖的生成模型 —— 无自动编码器的扩散布局变换器 (Dolfin)，与现有方法相比，该模型的建模能力得到显著提升，复杂度减少。Dolfin 采用基于 Transformer 的扩散过程来建模布局生成，同时提出了一种自回归扩
PDF8 months ago
神经特征学习的几何框架
基于神经特征提取器和图形结构，我们提出了一个新颖的学习系统设计框架，并使用特征空间中的几何结构进行学习问题的建模。我们通过嵌套技术设计学习算法，从数据样本中学习最佳特征，进而应用于现成的网络架构和优化器，同时我们还探讨了多元学习问题，包括条
PDF10 months ago
分子、蛋白质和晶体材料的对称性知识几何表示
本文提出了 Geom3D，一个平台，用于比较分子的不同几何表示方法之间的效果差异，并提供了 16 种先进的对称性信息的几何表示模型和 14 种几何预训练方法，以帮助有兴趣探索科学问题的机器学习研究人员消除障碍，并提供有价值的指导。
PDFa year ago
扩散模型的几何视角
本文研究扩散模型的采样动力学，通过挖掘它的几何结构，提出一种简单却强大的采样理论框架，并将扩散模型的优化与经典的均值偏移算法关联起来。
PDFa year ago
AAAII3DOL: 基于增量学习的三维物体学习，避免灾难性遗忘
用自适应几何中心模块构建鉴别性局部几何结构，然后通过几何感知注意机制，探索具有高贡献度的唯一 3D 几何特征，从而不断地学习新类别的 3D 物体。同时，通过分数公平补偿策略，进一步缓解由于过去和新类别的 3D 物体之间的不平衡数据而导致的灾
PDF4 years ago
EMNLPDyERNIE: Riemann 流形嵌入的动态演化，用于时间知识图谱补全
Dy-ERNIE proposes a non-Euclidean embedding approach that learns evolving entity representations on a product of Riemann
PDF4 years ago
TILT：转换不变低秩纹理
该文介绍了一种使用凸优化技术有效地从 2D 图像中提取类低秩纹理的方法，可以应用于捕捉包括传统局部特征在内的几何有意义的结构以及所有种类的规则的对称模式，在存在显著变形或扭曲的情况下，该方法可以精确恢复平面区域的基本低秩纹理和精确领域变换，
PDF14 years ago