UniSG^GA：由几何代数驱动的 3D 场景图，统一几何、行为与图神经网络以面向生成式 AI
图形学
2023-06-21 v1 机器学习
摘要
本文提出 UniSG^GA，一种新颖的集成场景图结构，用于将行为与几何数据纳入 3D 场景。其专门设计用于无缝集成图神经网络（GNNs）并应对生成任务中转换 3D 场景图（3D-SG）的相关挑战。为以简化方式有效捕获并保留图中物体间的拓扑关系，我们在图表示中提出了无缝集成几何代数（GA）形式的 UniSG^GA。这一新颖方法增强了 GNN 在处理生成与预测任务时的整体性能与能力，开辟了新可能，并旨在为基于图的生成式 AI 模型的进一步探索与开发奠定基础，此类模型可有效融入行为数据以提升场景生成与合成。
引用
@article{arxiv.2306.10621,
title = {UniSG^GA: A 3D scenegraph powered by Geometric Algebra unifying geometry, behavior and GNNs towards generative AI},
author = {Manos Kamarianakis and Antonis Protopsaltis and Dimitris Angelis and Paul Zikas and Mike Kentros and George Papagiannakis},
journal= {arXiv preprint arXiv:2306.10621},
year = {2023}
}
备注
7 pages, 5 figures, A version of this paper was submitted to the ENGAGE workshop of CGI 2023