关键词neural signed distance functions
搜索结果 - 3
- CVPR基于稀疏点云的无监督占据学习
通过使用基于边界采样的方法和基于熵的优化过程,我们提出一种从稀疏输入中学习占据场的方法,并展示了该方法在隐式形状推断方面相对于基线方法和现有技术的有效性。
- 神经隐式扫描体模型用于快速碰撞检测
通过利用神经隐式扫描体模型,结合深度学习方法快速计算任务空间中任意点与机器人运动之间的有向距离,并结合几何碰撞检测器提供强大的精确性保证,实现了对商业物料拾取应用的加速。
- GenSDF: 通用有符号距离函数的两阶段学习
本文研究了使用神经代表距离函数(SDF)进行三维对象表示学习的泛化能力,提出了一个半监督元学习方法,可将形状先验从有标签的数据传输到无标签的数据中,用于重建未知的对象类别,并实现了 100 多个未见过的类别的强大的零 - shot 推理。