题目: A Survey on Deep Geometry Learning: From a Representation Perspective

摘 要:

目前,研究人员已经在利用深度学习处理二维图像方面取得了很大的成功。近年来,三维计算机视觉和几何深度学习越来越受到人们的重视。针对不同的应用,提出了许多先进的三维造型技术。与二维图像可以由像素的规则网格统一表示不同,三维图形具有多种表示,如深度和多视图图像、基于体素的表示、基于点的表示、基于网格的表示、隐式的表面表示等。然而,不同应用程序的性能在很大程度上取决于所使用的表示,并且没有一种惟一的表示可以适用于所有应用程序。因此,在本次调查中,我们从表象的角度回顾了三维几何深度学习的最新发展,总结了不同表象在不同应用中的优缺点。我们也提出现有的数据集在这些表示和进一步讨论未来的研究方向。

成为VIP会员查看完整内容
50

相关内容

【NeurIPS2019】图变换网络:Graph Transformer Network
图数据表示学习综述论文
专知
51+阅读 · 2019年6月10日
元学习(Meta-Learning) 综述及五篇顶会论文推荐
Arxiv
33+阅读 · 2020年1月2日
Few-shot Learning: A Survey
Arxiv
362+阅读 · 2019年4月10日
Arxiv
53+阅读 · 2018年12月11日
Deep Learning for Generic Object Detection: A Survey
Arxiv
13+阅读 · 2018年9月6日
A Survey on Deep Transfer Learning
Arxiv
11+阅读 · 2018年8月6日
Arxiv
5+阅读 · 2018年6月4日
Arxiv
8+阅读 · 2018年5月15日
VIP会员
相关VIP内容
相关论文
Arxiv
33+阅读 · 2020年1月2日
Few-shot Learning: A Survey
Arxiv
362+阅读 · 2019年4月10日
Arxiv
53+阅读 · 2018年12月11日
Deep Learning for Generic Object Detection: A Survey
Arxiv
13+阅读 · 2018年9月6日
A Survey on Deep Transfer Learning
Arxiv
11+阅读 · 2018年8月6日
Arxiv
5+阅读 · 2018年6月4日
Arxiv
8+阅读 · 2018年5月15日
微信扫码咨询专知VIP会员