LBONet:用于形状分析的监督光谱描述符
原文中文,约200字,阅读约需1分钟。发表于: 。本研究针对拉普拉斯-贝尔特拉米算子在非刚性形状分析中的应用局限性,提出了一种监督学习方法,以优化流形上的多个算子,使其更具任务特异性。通过优化LBO,显著提高了现有描述符在检索、分类、分割和对应等任务中的表现,显示出LBO特征基在全局和局部学习环境中的适应性。
本研究提出了一种监督学习方法,优化拉普拉斯-贝尔特拉米算子在非刚性形状分析中的应用,显著提升了检索、分类、分割和对应任务的性能。
本研究针对拉普拉斯-贝尔特拉米算子在非刚性形状分析中的应用局限性,提出了一种监督学习方法,以优化流形上的多个算子,使其更具任务特异性。通过优化LBO,显著提高了现有描述符在检索、分类、分割和对应等任务中的表现,显示出LBO特征基在全局和局部学习环境中的适应性。
本研究提出了一种监督学习方法,优化拉普拉斯-贝尔特拉米算子在非刚性形状分析中的应用,显著提升了检索、分类、分割和对应任务的性能。