[B! learning][loss function][mesh] arxiv_readerのブックマーク

arxiv_reader id:arxiv_reader

learningとloss functionとmeshに関するarxiv_readerのブックマーク (11)

https://arxiv-check-250201.firebaseapp.com/each/2311.12815v2
arxiv_reader 2024/04/17
pose

GNN

arXiv reaDer

mesh

augmentation

arXiv

loss function

learning
リンク
https://arxiv-check-250201.firebaseapp.com/each/2403.10349v1
arxiv_reader 2024/03/18
3D

loss function

mesh

learning

point cloud

arXiv reaDer

arXiv

unsupervised
リンク
https://arxiv-check-250201.firebaseapp.com/each/2310.20065v2
arxiv_reader 2024/01/05
arXiv

mesh

learning

human

simulation

arXiv reaDer

loss function
リンク
https://arxiv-check-250201.firebaseapp.com/each/2310.20065v1
arxiv_reader 2023/11/01
learning

arXiv

mesh

human

simulation

arXiv reaDer

loss function
リンク
話者に依存しない 3D トーキングヘッド生成のための音声からのランドマークモーションの学習
arxiv_reader 2023/06/05
この論文では、生のオーディオ入力から 3D トーキングヘッドを生成するための新しいアプローチを紹介します。私たちの方法は、音声に関連する動きは、顔の可動部分、つまりランドマーク上にあるいくつかの制

learning

mesh

arXiv reaDer

landmark

arXiv

loss function

3D

face

sparse
リンク
3D クロスモーダル検索のためのガウス RBF カーネルによるインスタンスバリアント損失
arxiv_reader 2023/05/09
3D クロスモーダル検索は、マルチメディアコミュニティで注目を集めています。このトピックの中心は、画像、3D ポイントクラウド、ポリゴンメッシュなどのさまざまなモダリティからのデータを表す共同埋

3D

dataset

attention

mesh

arXiv reaDer

arXiv

point cloud

loss function

embedding

learning
リンク
自己教師ありグラフ畳み込みネットワークを使用したメッシュインペインティングの自己事前学習
arxiv_reader 2023/05/02
この研究では、トレーニングデータセットを必要とせずに、入力として不完全なメッシュのみを必要とする自己事前ベースのメッシュ修復フレームワークを提示します。さらに、私たちの方法は、シェイプフォーマット

self-supervised

arXiv

arXiv reaDer

dataset

loss function

GCN

mesh

point cloud

learning
リンク
DL4SciVis：科学的可視化のためのディープラーニングに関する最先端の調査
arxiv_reader 2022/04/14
2016年以来、私たちは人工知能+視覚化（AI + VIS）研究の驚異的な成長を目の当たりにしてきました。ただし、AI + VISに関する既存の調査論文は、科学的視覚化（SciVis）ではなく、視覚的

metric

mesh

domain

learning

classification

arXiv reaDer

loss function

arXiv
リンク
畳み込みニューラルネットワークを使用した非均質化
arxiv_reader 2021/05/11
このホワイトペーパーでは、構造コンプライアンスを最小化するためのディープラーニングベースの非均質化手法について説明します。畳み込みニューラルネットワークを使用して、粗いメッシュの積層パラメータのセット

domain

arXiv reaDer

arXiv

loss function

mesh

CNN

learning
リンク
MongeNet：幾何学的深層学習のための効率的なサンプラー
arxiv_reader 2021/04/30
幾何学的深層学習の最近の進歩により、メッシュ間の距離を評価するための複雑な計算上の課題が発生します。メッシュモデルから、表面品質を評価するため、またはトレーニングモデルの損失関数の一部として、堅牢な距

loss function

arXiv reaDer

learning

mesh

metric

approximation

arXiv

estimation

point cloud
リンク
3D再構成のための変形可能な四面体メッシュの学習
arxiv_reader 2020/11/04
学習ベースの3D再構成に対応する3D形状表現は、機械学習とコンピューターグラフィックスの未解決の問題です。ニューラル3D再構成に関する以前の作業では、点群、ボクセル、表面メッシュ、および陰関数表現の利

reconstruction

3D

loss function

learning

arXiv reaDer

arXiv

point cloud

mesh

representation
リンク
1

お知らせ

もっと読む

公式Twitter

@HatenaBookmark
リリース、障害情報などのサービスのお知らせ
@hatebu
最新の人気エントリーの配信

キーボードショートカット一覧

j次のブックマーク

k前のブックマーク

lあとで読む

eコメント一覧を開く

oページを開く

設定を変更しましたx