HodgeNet：在三角形网格上学习谱几何
图形学
2021-04-28 v1
摘要
受为其他应用（如图像处理）设计的深度学习工具包局限性的制约，许多基于网格的学习算法所采用的数据流从传统几何处理的角度来看并不典型。作为替代方案，我们提出了一种由标准几何处理模块与操作构建的网格学习技术。我们表明，使用离散外微积分参数化的算子进行的低阶特征值/特征向量计算可用于高效近似反向传播，从而产生与热核/波核签名等经典描述子公式相似的谱逐元素或逐网格特征。我们的模型参数少、可泛化至高分辨率网格，并且在性能与时间复杂度上与以往工作相当。
引用
@article{arxiv.2104.12826,
title = {HodgeNet: Learning Spectral Geometry on Triangle Meshes},
author = {Dmitriy Smirnov and Justin Solomon},
journal= {arXiv preprint arXiv:2104.12826},
year = {2021}
}
备注
Accepted to SIGGRAPH 2021