生成/重建-Chailyn's homepage

Chailyn's homepage

行动起来，活在当下

累计撰写 18 篇文章
累计创建 13 个标签
累计收到 17 条评论

目录CONTENT

以下是生成/重建相关的文章

2025-08-06
PaperRead：AdTree：Accurate, Detailed, and Automatic Modelling of Laser-Scanned Trees 本篇文章是我第一次读树结构相关的内容，难度较大数学概念有点多，我尽量讲清楚关于树拓扑结构的重建，现有方法可分为两大类：基于分割的方法和基于骨架的方法。基于分割的方法高度依赖于输入数据的质量，因此对于存在质量问题的数据，如异常值或因闭塞而缺失的数据，可能不够稳健另一些基于骨架的方法则主要基于规则
- 2025-08-06
- 12
- 1
- 1
- 点云
- 论文阅读
2025-08-04
PaperRead：3D-GAN：Learning a Probabilistic Latent Space of Object Shapes 因为3D生成/重建领域有很多文章都是基于GAN这个结构来重塑网络的，这篇文章我只是看了Method他的思路与code（这里没有官方code库，使用别人复现的code，在评论区） Method 3D Generative Adversarial Network 3D-GAN基于Goodfellow等人
- 2025-08-04
- 20
- 1
- 0
- 点云
- 论文阅读
2025-08-03
PaperRead：AtlasNet：A Papier-Mˆach´e Approach to Learning 3D Surface Generation 本文介绍了一种为三维形状生成参数化曲面元素的方法，写的还不错，下面是我的一些理解，个人感觉和代码结合PaperRead，感受更深刻一些，所有的code来源于官方库，我也会放在评论区 Background 学习二维流形的表示这里有几个专有名词我来解释一下多边形网格：比如一个3D模型（比如一个球或人
- 2025-08-03
- 8
- 1
- 0
- 点云
- 论文阅读
2025-07-30
PaperRead：A Point Set Generation Network for 3D Object Reconstruction from a Single Image Contribution 论文的贡献可以概括为以下几点：将深度学习应用于点集生成问题：这是该研究的核心，它利用深度学习技术来直接生成3D点云，而不是传统的体素或网格表示。在单图像3D重建任务上超越现有技术：论文明确指出，在从单张图像重建3D形状的任务中，他们应用的这种点集生成网络显著优于现有
- 2025-07-30
- 18
- 1
- 1
- 点云
- 论文阅读