- 跨域光纤簇形态分析与语言表现心智得分预测
大脑连接的形状对人类语言功能具有预测作用,通过形状分析、脑成像和 dMRI 引导下的大脑白质连接,可以改进对特定个体语言表现的预测。
- 提高数值形状对应的计算时间步长效率
形状分析中的偏微分方程计算对应关系是一个重要任务。通过时间步进方法,我们研究了在时间步长大小上的依赖性以及适用于数值形状分析的稳定方案,为这些模型提出了高效的统一模型降阶框架,并在经典 TOSCA 数据集上进行了实验评估。
- ICCV评估一个基准测试:MS-COCO 的可靠性如何?
使用 Sama-COCO 重注释 MS-COCO 数据集,通过利用形状分析管道发现潜在偏见,训练并评估了模型在这两个数据集上的表现,结果表明注释风格的重要性和注释流程需要密切考虑感兴趣的任务。
- 网格式变分自编码器中的潜在解缠有助于颅面综合征的诊断及手术规划
深度学习在人头部的形状分析方面具有巨大潜力,本文介绍了使用 Swap Disentangled Variational Autoencoder (SD-VAE) 对 Crouzon、Apert 和 Muenke 综合征进行分类和研究,同时第 - 考古学中的内在形状分析:对古代日规的案例研究
探索一种新的数学方法从集合相似的物品形状中提取考古洞见。通过在形状空间中执行回归,我们发现罗马日晷的弯曲程度随纬度变化。我们使用这个趋势来推断一个日晷的纬度。同时,还提出了一种基于几何统计和形状分析理论的差异化形态趋势断言方法。
- FineMorphs:用于回归的仿射 - 差分同构序列
本文提出了一个名为 FineMorphs 的多元回归模型,利用 shape analysis 中的思想,通过光滑矢量场生成的 diffeomorphisms 对模型状态进行最优 “重塑”,其仿射变换和矢量场通过最优控制进行优化,可以自然地通 - RSA-INR: 通过 4D 隐式神经表示进行黎曼形状自编码
本研究介绍了如何将 Riemannian 几何结合到深度学习中的 LDDMM framework 中,以期实现图形匹配和降维。通过设计一种新的隐式编码器,扩展了基于神经网络的算法,并且将 Riemannian 几何学的组件加入了形状变异建模 - 点云网络能否学习解剖结构的统计形态模型?
利用点云深度网络为统计形态建模提供一个未曾探索过的潜在方法,既能捕捉形态的人群统计特征,又能减少推理负担和放松输入要求,这为点云深度学习在形态分析文献中的发展和广泛应用奠定了基础。
- MM欧氏和仿射曲线重建
本文讨论和实现了重构具有规定欧几里得或仿射曲率的平面曲线的算法,并给出了在适当度量下,重构曲线与其曲率接近程度的估计。提供了几个说明性的例子。
- 学习形状的隐式几何规则化
本文提出了一种从原始数据(即点云)中直接计算高保真度隐式神经表示的新范式,它鼓励神经网络在输入点云上消失并具有单位范数梯度的简单损失函数具有几何正则化特性,利用神经网络表示任务的表面形状的零水平集,避免不良零损失解,实验表明该方法与之前的方 - 具有球谐核的有效旋转不变点 CNN
本研究提出了一种新的旋转不变结构,可用于操作点云数据以及在神经网络的各个层级中注入了旋转不变性。采用基于球谐函数的核心技术,实现对非刚体物体的局部旋转与整体转型的旋转不变性,并采用空间分区结构进行更高效的汇聚操作,进而最终,在不需要采用数据 - 非刚性三维形状分析调查
本文概述了近期关于形状分析的技术,探讨了以高维空间中的点为形状的方法,借助合适的度量计算给定形状的变形范围,进而比较与分类 3D 对象、计算对象间的平滑变形并模拟与探索形状变异。提出该领域的发展方向及应用前景,涉及数学、统计学、计算机视觉与 - AAAIPoint2Sequence: 基于注意力序列到序列网络学习三维点云的形状表示
本研究提出了一种名为 Point2Sequence 的新型深度学习模型,用于学习 3D 形状特征,通过一种新颖的隐式方法捕捉了区域内的细粒度上下文信息, Point2Sequence 采用点云的新颖序列学习模型,通过注意力归纳局部区域的多尺 - CVPR学习描述符网络用于三维形状合成和分析
本文提出了一种 3D 形状描述符网络,是一种深度卷积能量模型,可以用于建模体积形状模式,并可以通过 MCMC 模拟实现生成真实的 3D 形状模式并用于 3D 形状分析和恢复。
- 使用多视卷积网络从部分对应学习本地形状描述符
本文提出了一个新的适用于 3D 形状的本地描述符,通过卷积网络直接从多个尺度的从粗到精细视角来捕捉图像的空间局部结构和表面细节,该技术可用于点对应,语义分割和形状匹配等形状分析领域。
- 稀疏几何表示通过局部形状探测
提出了一种新的形状分析方法,基于局部形状变化的非局部分析。该方法使用一种称为局部探测场的新颖形状变化描述来描述局部探测算子如何将模式变换为形状,通过优化每个描述符的位置和方向,能够捕捉形状之间的相似性并将其聚集到几何相关的词典中,从而对具有 - ECCV树突棘形态分析:聚类视角
通过对树突棘进行形态学、形状和外貌相关特征的聚类分析,我们发现存在中间形态类型的争议,解决了手动分类和主观性的问题。
- 从功能对应中的点映射恢复和细化
通过一个简单的概率模型,我们分析了如何从任意的 functional maps 中回复点对点的映射,并且消除了许多当前已有方法中所需的假设,特别是输入形状近似等距的限制。实验证明,该方法在非常具有挑战性的情况下显着提高了精度。
- 李群上的形状分析及在计算机动画中的应用
本文介绍了一种基于 Lie 群的曲线形状分析框架,用于生成非循环角色动画的循环逼近与已有动画间的插值,以解决计算机动画问题。
- 数据驱动的形状分析与处理
介绍数据驱动形状分析和处理的主要概念和组件,并通过文献回顾和定性和定量比较,讨论了这些技术在形状分类、分割、匹配、重建、建模以及探索和场景分析和合成中的应用,最后提出了启发未来研究的想法。