基于圖卷積網(wǎng)格自編碼器的網(wǎng)格參數(shù)化
所屬分類：技術(shù)論文
上傳者：aetmagazine
文檔大?。?span>734 K
標(biāo)簽： 網(wǎng)格參數(shù)化 卷積神經(jīng)網(wǎng)絡(luò) 自編碼器
所需積分：0分積分不夠怎么辦,？
文檔介紹：網(wǎng)格參數(shù)化作為數(shù)字幾何處理的基本工具，在游戲娛樂,、工程設(shè)計(jì),、仿真模擬等多種領(lǐng)域有著廣泛的應(yīng)用背景。傳統(tǒng)的網(wǎng)格參數(shù)化方法大多通過求解線性系統(tǒng)或者非線性系統(tǒng)獲得結(jié)果,，存在著求解速度慢,、不夠魯棒的問題。提出了一個(gè)基于圖卷積網(wǎng)格自編碼器的網(wǎng)格參數(shù)化模型，采用了圖卷積網(wǎng)格自編碼器的編碼部分與自行構(gòu)建的參數(shù)化解碼部分結(jié)合的方式生成網(wǎng)絡(luò),，使用一類人臉網(wǎng)格數(shù)據(jù)集作為網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù),，并與傳統(tǒng)優(yōu)化算法進(jìn)行對(duì)比。結(jié)果表明,，使用建立的網(wǎng)格參數(shù)化模型,，在保證參數(shù)化效果的同時(shí)，獲得參數(shù)化結(jié)果的速度比SLIM(Scalable Locally Injective Mappings,，SLIM)算法快68%,，比PP(Progressive Parameterizations)算法快約4倍。
現(xiàn)在下載
VIP會(huì)員,，AET專家下載不扣分,；重復(fù)下載不扣分，本人上傳資源不扣分,。