用于精细手物体重建的动态双曲线注意网络
原文中文，约300字，阅读约需1分钟。发表于：。本文提出了首个在双曲空间中精确手物体重构的方法 Dynamic Hyperbolic Attention Network (DHANet)，该方法借助双曲空间的内在特性学习代表性特征，并通过动态双曲图卷积和基于图注意力的双曲图卷积两个模块来学习具有丰富几何 - 图像多模态信息的网格特征和更好地建模手物体交互作用，实验证明该方法在三个公共数据集上优于大多数最先进的方法。
本文介绍了第一个归纳式的超几何图卷积神经网络（HGCN），利用超几何空间的表达能力和嵌入高度曲率的特点来学习分层和无标度图的节点表示。实验证明，HGCN学习到的嵌入保留了分层结构，并且在链路预测和节点分类中表现更好。
