CJH's blog

Pointnet和Pointnet++ 原文链接：https://blog.csdn.net/m0_47294706/article/details/135895830 论文介绍地址（Paper，Code，Presentation video and Slides） PointNet：https://web.stanford.edu/~rqi/pointnet/ PointNet++：https://web.stanford.edu/~rqi/pointnet2/ 建议直接看b站的5分钟讲解。 【[5分钟点云学习] #01 最远点采样 FPS】 https://www.bilibili.com/video/BV1oT411x7TH/?share_source=copy_web&vd_source=bd967f0d540a64617b8b612bc0f0f9a3 一、PointNet & PointNet++：问题陈述（Problem Statement） 由于点云的无序性，直接操作点云比较困难 - PointNet解决（使用具有置换不变性的对称函数） [视频链接： ...

论文精读（九）ImplicitAtlas：学习医学成像中的可变形形状模板 CVPR 2022 Open Access Repository 图 3.ImplicitAtlas 概述。 (a) 模型管道。 该模型由隐式模板网络（T）和隐式变形网络（D）组成。 给定一个潜在代码 h，它通过 STE-Softmax 选择一个潜在模板 t，以使用 T 生成模板。它还产生一个潜在变形 d，以使用 D 从模板生成变形场。它们组合起来产生一个占用场， 这是最终的输出。 (b) 解码器的网络架构。 给定一个潜在特征，它以卷积方式构建多尺度特征图。 对于查询坐标 p = (x, y, z)，它通过在多尺度特征图上插值来聚合局部和全局特征。 最后，将坐标和插值特征输入 MLP 以进行最终输出。 Abstract 深度隐式形状模型在整个计算机视觉社区中已经很流行，但在生物医学应用中却不太流行。 部分原因是大型训练数据库不存在，部分原因是生物医学注释通常很嘈杂。 在本文中，我们表明，通过在深度学习管道中引入模板，我们可以克服这些问题。 所提出的框架名为 ImplicitAtlas，将形状表示为来自学习模 ...

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 ...