摘要： 来源 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR). 点云主要挑战： $P$是无序的，因此需要学习的东西是置换不变的； $P$分布在三维几何空间中，因此要求学习的模型应该对其刚性变换（旋转和平移） 阅读全文

摘要： CNN之所以获得如此大的成功，关键在于他的Conv操作，该操作可以利用图像中密集表示的数据中的局部相关性，得到局部集合结构。此处的想法就是可不可以将其在PointCloud中应用该种想法。 $\mathcal{X}-Conv$来鹅城只为两件事： 对每个代表点周围的点特征做集成。 在隐空间对输入做重排 阅读全文

摘要： Abstract 19年IEEE 这篇文章提出了PointWeb，一种在点云的局部邻域上下文中提取特征的新方法，与之前工作不同是，我们在局部邻域中稠密的将每个点和其他点连接起来。目的是基于局部区域的特征来指定每个点的特征，以更好地表示该区域。提出了一种新的特征调整模块，即AFA（Adaptive F 阅读全文

摘要： 为了促进未来的idea生成和鉴别，此处对该篇[Submitted on 27 Dec 2019 (v1), last revised 23 Jun 2020 (this version, v2)]的Deep Learning for 3D Point Clouds: A Survey做一个了结。 1 阅读全文

摘要： 图为使用提出的神经网络对点云进行分割的结果。底部为神经网络架构示意图。顶部为在网络的不同层上生成的特征空间的结构，红点到其他所有点的空间距离可视化（从左到右是输入和第1-3层的结果）；最右边的图显示了分割的结果。尽管他们在原始输入空间上由很长的距离，我们可以观察到深层的特征空间结构如何捕获相似的语义 阅读全文

摘要： 现有方法的问题 目前的传统方法主要是利用 成对的面部外观和关键点数据进行学习， 但是这种方法可能会造成模型学习到外观-关键点的映射。这种错误的映射会导致，在识别相似外观但关键点不同的人脸的时候造成误判的结果。 被什么制约，导致任务的缺陷 如果数据集中有巨量的数据，例如外貌、表情相似，但关键点不同。关 阅读全文

摘要： 神经网络模型： 向前的神经网络DNN和CNN， 有反馈的神经网络RNN和LSTM。 玻尔兹曼机，此处主要关注受限玻尔兹曼机(Restricted Boltzmann Machine)，玻尔兹曼机主要应用领域在于推荐系统。 受限玻尔兹曼机 RBM模型结构 玻尔兹曼机是一大类的神经网络模型，但是在实际应 阅读全文

摘要： Label：点网生成:在无序点云集合上的基于能量的深度学习去生成3D，重建和分类 摘要 我们以energy-based model的形式提出了一种针对无序点集合（如点云）的生成模型，这里的energy函数通过自底向上的输入置换不变网络去参数化。这个能量函数学习每个点的坐标编码然后把所有独立的点特征聚 阅读全文

摘要： 这一部分用于服务器的远程连接 sudo apt install net-tools && sudo apt-get install openssh-server && sudo apt-get install ufw && sudo ufw enable && sudo ufw allow 22 s 阅读全文

摘要： 前情分析 这里主要写一下二维人脸重建该人脸的三维模型的一些基础的知识。 主流做法 多视图几何重建。其需要采集不同角度的人脸，对设备的要求很高。 通过RGBD或者RGB图像去重建，由模型特点所致，无法生成模型细节。 单张图像重建 3DMM方法 对设备要求低，算法简单，易于移动端时间实时重建。 基于模型 阅读全文