BriefGPT.xyz
Ask
alpha
关键词
neural shape representation
搜索结果 - 3
PoNQ: 基于神经量化嵌网的网格表示
通过本文,我们引入了一种新型的可学习网格表示方法,通过一组局部三维样本点、法线和二次误差度量(QEM)相对于底层形状的获取,我们将其称为 PoNQ。我们通过高效地利用局部二次误差的知识,直接从 PoNQ 中获取全局网格,并确保了拓扑和几何特
→
PDF
4 months ago
神经距离场的零级集编码器
使用神经网络进行神经形状表示,通过单次前向传递嵌入 3D 形状,无需明确的先验知识,有效地计算边界值 Eikonal 方程的近似解并展示了广泛的应用领域。
PDF
9 months ago
CVPR
基于不确定性感知的深度多视角光度立体
本文提出一种有效的解决方案,利用光度立体测量和多视角立体测量的互补优势,通过基于不确定性感知的深光度立体网络和深多视角立体网络估计每像素表面法线和深度,从而实现密集、详细和精确的物体表面轮廓重建。
PDF
2 years ago
Prev
Next