CJH's blog

局部最优投影 LOP 局部最优投影（Locally Optimal Projection, LOP）是一种用于点云重采样和表面重建的经典方法，其核心思想是通过优化策略将输入点云投影到光滑的表面上，从而生成更接近目标表面的点集。LOP 算法被广泛用于计算机图形学和几何处理领域，尤其是在点云表面重建、降噪和采样密度均匀化方面。 主要作用：生成均匀分布的点集，改善点云的质量。去除点云数据中的噪声，生成更光滑的点云表示。为隐式或显式表面重建提供高质量的输入点集。减少点云中的冗余数据，同时保持表面结构和几何细节。使点云分布均匀，避免点云集中在高密度区域。通过局部邻域信息计算全局优化，使点云在保留细节的同时实现全局平滑性。 原论文：Parameterization-free projection for geometry reconstruction | ACM Transactions on Graphics https://blog.csdn.net/xinxiangwangzhi_/article/details/132011515?fromshare=blogdetail&shar ...

UODF 无符号正交距离场 无符号正交距离场（Unsigned Orthogonal Distance Field, UODF）的基本原理是通过空间中的每个点到目标表面最近点的距离来隐式表示三维模型。这一方法的关键在于准确计算点到表面的正交距离并构建无符号场。 UDF（Unsigned Distance Field，无符号距离场）和 UODF（Unsigned Orthogonal Distance Field，无符号正交距离场）的主要区别在于计算距离时是否考虑点到表面的正交性和距离场的精确性。这两种方法虽然都属于隐式几何表示，但在距离计算方式和应用场景上有所不同。 1.核心区别 2.距离计算方式 UDF： 仅关注空间点 x\mathbf{x}x 到表面上最近点 p\mathbf{p}p 的欧几里得距离。最近点可通过以下公式计算： dUDF(x)=min⁡p∈S∥x−p∥d_{\text{UDF}}(\mathbf{x}) = \min_{\mathbf{p} \in S} \|\mathbf{x} - \mathbf{p}\| dUDF​(x)=p∈Smin​∥x−p∥ 不考虑距 ...

非流形边Non-Manifold Edges 好博客：[Non-Manifold Edges in 3D Printing – What They Are and How to Fix Them - 3D Insider](https://3dinsider.com/non-manifold-edges-3d-printing/#:~:text=Non-manifold edges refer to the edges of an,other%2C areas with no thickness%2C and internal walls.) 参考博客：How to fix non-manifold geometry issues on 3D models 3D建模软件可以成为很好的工具，因为它们使您能够将想法转化为形状。另一方面，当你遇到设计问题时，它们可能会变成一场噩梦，比如非流形边。通常情况下，您可以上传3D文件进行3D打印，但由于它包含非流形几何形状，因此无法打印。在这篇文章中，除了我们为您提供的关于如何修复3D文件的其他指导方针外，我们还将尝试找出如何修复非流形问题并防止发生 ...

样条函数Spline 样条函数：曲线拟合的利器 在数学和工程领域，样条函数是一种用于数据拟合和平滑曲线的数学工具。它不仅能够提供对数据点的精确拟合，还能保证曲线在连接处的平滑过渡。本文将简要介绍样条函数的基本概念和应用。 样条函数的起源 样条函数（Spline Function）的概念最早来源于造船业。在设计船体时，为了得到平滑的曲线，工匠们会使用一种叫做“样条”的柔性木条，通过弯曲样条来拟合船体的轮廓。后来，这个概念被数学家们抽象化，形成了样条函数这一数学模型。 样条函数的定义 样条函数通常指的是分段定义的多项式函数，每一段都是一个多项式，而在分段点（称为结点）处，这些多项式不仅值相等，而且它们的导数（一阶导数、二阶导数等）也相等，从而保证了曲线的平滑性。 数学表达 样条函数可以用数学公式来具体描述。以二次样条为例，其在每个区间上的表达式为： S(x)=ai+bi(x−xi)+ci(x−xi)2S(x) = a_i + b_i(x - x_i) + c_i(x - x_i)^2 S(x)=ai​+bi​(x−xi​)+ci​(x−xi​)2 其中，ai,bi,cia_i, b_i, ...

BRDF双向反射分布函数 关于BRDF的朴素解释 - 知乎 (zhihu.com) BRDF知识梳理 - 知乎 (zhihu.com) 非常硬核，图形学知识。需要理解辐射度量学。 BRDF要解决的问题很简单。我们想知道，当一束光照射到物体表面，我们从某一个角度观察该物体时，有多少光进入的我们的眼睛，并且又呈现出了什么样的颜色？ BRDF，全称为双向反射分布函数（Bidirectional Reflectance Distribution Function），是用于描述物体表面如何反射光线的一个函数。具体来说，它定义了物体表面在一个入射方向的光线经过散射后沿不同反射方向的分布情况。 BRDF 通常表示为fr(ωi,ωr)f_r(\omega_i, \omega_r)fr​(ωi​,ωr​)，其中： ωi\omega_iωi​ 是入射光的方向。 ωr\omega_rωr​ 是反射光的方向。 BRDF 的单位是 sr−1m2\frac{sr^{-1}}{m^2}m2sr−1​，代表每个单位入射辐射的能量如何在不同反射方向上分布。 BRDF 的特性： 能量守恒：物体表面不能反射比入射的光 ...

UV Mapping 「3D建模」什么是UV贴图和展开？ - 知乎 (zhihu.com) 什么是UV贴图和展开？游戏建模纯干货，UV的详细解释，不懂得赶紧看过来！ - 知乎 (zhihu.com) UV 贴图（UV Mapping）是 3D 计算机图形学中的一种技术，用来将二维纹理（如图像）映射到三维模型的表面。它通过将三维模型的每个顶点坐标与一个二维平面的纹理坐标（即 UV 坐标）相关联，从而在 3D 空间中正确地展示纹理。 UV 是什么？ U 和 V 是二维坐标系中的轴，类似于 X、Y、Z 坐标系中的 X 和 Y。之所以使用 U 和 V 来表示而不是 X 和 Y，是为了避免与三维坐标系中的 X、Y、Z 混淆。 U 轴 通常代表纹理的水平方向（从左到右）。 V 轴 通常代表纹理的垂直方向（从下到上）。 通过 UV 坐标，3D 模型的每个顶点在二维纹理图上的位置得以定义。例如，UV 坐标的 (0, 0) 通常表示二维纹理的左下角，而 (1, 1) 表示右上角。 UV 贴图的过程： 展开 3D 模型：3D 模型的几何形状通常是复杂的，UV 贴图技术通过将 3D 模型“展开”成一 ...

MVSNet 多视图几何论文阅读（一）MVSNet - 知乎 (zhihu.com) https://blog.csdn.net/weixin_43013761/article/details/102869562?fromshare=blogdetail&sharetype=blogdetail&sharerId=102869562&sharerefer=PC&sharesource=weixin_52648187&sharefrom=from_link https://blog.csdn.net/liubing8609/article/details/85340015 MVSNet——《MVSNet：Depth Inference for Unstructured Multi-view Stereo》 论文链接： MVSNetopenaccess.thecvf.com/content_ECCV_2018/papers/Yao_Yao_MVSNet_Depth_Inference_ECCV_2018_paper.pdf GitHub链接： MVS ...

三维形状间的评价指标 体素 Dice Similarity Coefficient (DSC) Dice 相似系数 是一种基于体素（Voxel）的相似性度量，通常用于三维医学图像配准。它通过计算两个体积的重叠比例来评估形状的相似度。 计算公式： DSC(A,B)=2∣A∩B∣∣A∣+∣B∣DSC(A, B) = \frac{2 |A \cap B|}{|A| + |B|} DSC(A,B)=∣A∣+∣B∣2∣A∩B∣​ A 和 B 为两个体积对象，计算它们重叠体素数的比例。 特点： 更适合用来衡量三维体积的相似度，而不是点云。 重叠率的计算对整体形状的比较更有意义。 Jaccard Similarity (Intersection over Union, IoU) Jaccard 相似性 是衡量两个形状重叠程度的一种方法，特别是在三维体素或网格表示中常用。它计算两个形状的交集与并集之比。 计算公式： IoU(A,B)=∣A∩B∣∣A∪B∣IoU(A, B) = \frac{|A \cap B|}{|A \cup B|} IoU(A,B)=∣A∪B∣∣A∩B∣​ A 和 B 分 ...

VAE 变分自编码器 https://blog.csdn.net/smileyan9/article/details/107362252 https://blog.csdn.net/Je1zvz/article/details/136276851 概率视角下的生成模型 - 知乎 (zhihu.com) [1606.05908] Tutorial on Variational Autoencoders (arxiv.org) VAE是一种基于贝叶斯推理的生成模型，它通过编码器将数据映射到潜在空间，然后通过解码器从潜在空间重构数据。 相关背景 生成模型(Generative model)： 生成模型是指能够随机生成观测数据的模型，尤其是在给定某些隐含参数的条件下。它给观测值和标注数据序列指定一个联合概率分布。换句话说，生成模型首先研究的是特征 X 与标签 y之间的联合分布，然后再求条件概率 P(y|X) ，预测时应用最大后验概率法得到预测结果。 论文(Tuturial on Variational Autoencoders)中举例如下： 图像是一种流行的数据，我们可以为其创建生成模型。 ...

课题：三维重建 / 心脏超声的三维重建 1 顶级期刊或会议 1.1 CVPR（会议） **全称：**IEEE Conference on Computer Vision and Pattern Recognition **出版商：**IEEE **领域：**计算机视觉和模式识别 **时间：**一年一度 CCF A类 1.2 ICCV （会议） **全称：**International Conference on Computer Vision **出版商：**IEEE **领域：**计算机视觉 **时间：**两年一度 CCF A类 1.3 ECCV（会议） **全称：**European Conference on Computer Vision **出版商：**Springer Verlag **领域：**计算机视觉 **时间：**每两年召开一次，与ICCV正好错开 CCF B类 1.4 WACV **全称：**IEEE Winter Conference on Applications of Computer Vision） **领域：**计算机视觉 **时间：**每年冬天，美国本 ...