Deep AutoEncoder-based Lossy Geometry Compression for Point Clouds
2022-12-29
68
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
目录
相关文章
|
8月前
|
算法
PyTorch
算法框架/工具
论文解读：LaMa:Resolution-robust Large Mask Inpainting with Fourier Convolutions
论文解读：LaMa:Resolution-robust Large Mask Inpainting with Fourier Convolutions
333
0
0
|
6月前
|
机器学习/深度学习
数据挖掘
PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation
PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation
30
1
1
|
8月前
|
机器学习/深度学习
自然语言处理
算法
SS-AGA：Multilingual Knowledge Graph Completion with Self-Supervised Adaptive Graph Alignment 论文解读
预测知识图（KG）中缺失的事实是至关重要的，因为现代知识图远未补全。由于劳动密集型的人类标签，当处理以各种语言表示的知识时，这种现象会恶化。
56
0
0
|
8月前
|
自然语言处理
算法
知识图谱
DEGREE: A Data-Efficient Generation-Based Event Extraction Model论文解读
事件抽取需要专家进行高质量的人工标注，这通常很昂贵。因此，学习一个仅用少数标记示例就能训练的数据高效事件抽取模型已成为一个至关重要的挑战。
73
0
0
|
9月前
|
机器学习/深度学习
人工智能
自然语言处理
【计算机视觉】CORA: Adapting CLIP for Open-Vocabulary Detection with Region Prompting and Anchor Pre-Matching
CORA 在目标检测任务中提出了一种新的 CLIP 预训练模型适配方法，主要包括 Region Prompting 和 Anchor Pre-Matching 两部分。
这种方法能够让 CLIP 模型适应目标检测的任务，能够识别出图像中的对象，并提供准确的分类和定位信息。
431
0
0
|
9月前
|
数据可视化
计算机视觉
【计算机视觉】Towards Open Vocabulary Object Detection without Human-provided Bounding Boxes
我们的方法利用预先训练的视觉语言模型的定位能力来生成伪边界框标签，然后直接使用它们来训练目标检测器。
102
0
0
|
10月前
PointNet++:Deep Hierarchical Feature Learning on Points Sets in a Metrci Space 学习笔记
PointNet++:Deep Hierarchical Feature Learning on Points Sets in a Metrci Space 学习笔记
54
0
0
|
11月前
|
机器学习/深度学习
算法
图形学
Deep learning based multi-scale channel compression feature surface defect detection system
简述：首先应用背景分割和模板匹配技术来定义覆盖目标工件的ROI区域。提取的感兴趣区域被均匀地裁剪成若干个图像块，每个块被送到基于CNN的模型，以分类杂乱背景中不同大小的表面缺陷。最后，对空间上相邻且具有相同类别标签的图像块进行合并，以生成各种表面缺陷的识别图。
106
0
0