原文地址
论文分享-《NeuS: Learning Neural Implicit Surfaces by Volume Rendering for Multi-vie》
论文分享-《Volume Rendering of Neural Implicit Surfaces》
Diffusion
发布于
2024-04-29
|
12分钟
|
3151字数
【摄影】扫街
发布于
2024-04-20
|
1分钟
|
169字数
【读论文】NeuS2
发布于
2024-04-12
|
1分钟
|
175字数
NeuS 适用于静态高质量三维重建，但速度很慢，无法应用于数千帧的动态场景。NeuS2采用一种渐进式的学习策略
英文积累
achieves two orders of magnitude improvement in terms of acceleration without compromising reconstruction quality
【读论文】NeRF-用2D重建3D
发布于
2024-04-10
|
14分钟
|
3944字数
NeRF，即 Neural Radiance Fields（神经辐射场）
Title：NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis
将场景表示为用于视图合成的神经辐射场
【DL】图神经网络
图神经网络（Graph Neural Networks，GNNs）是一类专门处理图结构数据的神经网络。在图结构数据中，数据以图的形式表示，由节点（nodes）和边（edges）组成，非常适合描述物体（或实体）及其间的复杂关系。图神经网络通过直接在图上进行操作，能够有效地捕捉这种结构信息，因此在社交网络分析、推荐系统、蛋白质结构预测、化学分子建模等领域得到了广泛应用。
核心思想
GNN的核心思想是节点表示的更新，这通过聚合来自邻居节点的信息来实现。每个节点的表示都是通过考虑其邻居节点的特征（以及可能的边的特征）进行更新的，这个过程可以迭代进行，直到达到一个稳定状态或者预定的迭代次数。这种信息的聚合方式使得每个节点能够捕捉到其在图中的局部结构信息。
0%
