网格CNN swMATH ID: 31207 软件作者: 拉娜·汉诺卡(Rana Hanocka)、阿米尔·赫兹(Amir Hertz 描述: MeshCNN:一个有优势的网络。多边形网格为3D形状提供了有效的表示。它们明确地捕捉形状表面和拓扑,并利用非均匀性来表示大型平面区域以及尖锐、复杂的特征。然而,这种不均匀性和不规则性阻碍了使用结合卷积和池操作的神经网络进行网格分析。在本文中,我们利用网格的独特特性,使用MeshCNN(一种专为三角形网格设计的卷积神经网络)直接分析3D形状。与经典CNN类似,MeshCNN通过利用其内在测地线连接,将在网格边上操作的专门卷积层和池层结合在一起。卷积应用于边及其关联三角形的四条边,并通过保留曲面拓扑的边折叠操作应用池,从而为后续卷积生成新的网格连通性。MeshCNN学习要折叠的边,从而形成一个任务驱动的过程,在这个过程中,网络公开和扩展重要的功能,同时丢弃冗余的功能。我们证明了任务驱动池在应用于3D网格的各种学习任务上的有效性。 主页: https://ranahanocka.github.io/MeshCNN/ 源代码: https://github.com/ranahanocka/MeshCNN(美国有线电视新闻网) 相关软件: PointNet(点网);PyTorch公司;亚当;AlexNet公司;ImageNet公司;美国有线电视新闻网;掌中宽带;TensorFlow公司;PyG公司;PointConv公司;像素2网格;VoxNet公司;凯拉斯;PyTorch闪电;零英尺/平方英尺;昏迷;AEflow公司;FeaStNet公司;OverFeat公司;Netgen公司 引用于: 11文件 全部的 前5名40位作者引用 2 王文平 1 弗朗索瓦州阿维兰 1 斯蒂芬·贝克尔。 1 圣埃芬·皮埃尔·阿兰·博尔达斯 1 陈法来 1 帕斯卡·克劳森 1 崔志明 1 德什潘德,索拉巴A。 1 凯文·多尔蒂 1 董哲通 1 Alireza Doostan 1 范波 1 高,易 1 顾敏 1 他,法智 1 克里斯·希尔 1 华静 1 阿特姆·科马里切夫 1 兰世伟 1 雅库布·伦吉维茨 1 李培芳 1 李淑仪 1 林洪伟 1 刘永明 1 亚历克西斯·帕帕吉安诺普洛斯 1 杰·巴沙克 1 蒲俊裕 1 Rishikesh牧场 1 巴巴克·沙巴巴 1 库珀·辛普森 1 Pradeep Singh 1 宋玉鹏 1 魏广顺 1 杨磊 1 姚厚朴 1 詹、郑 1 郑,叶 1 钟子春 1 周元丰 1 朱洁 全部的 前5名6篇连载文章中引用 4 计算机辅助几何设计 三 应用力学与工程中的计算机方法 1 计算物理杂志 1 神经网络 1 数学与统计传播 1 SIAM/ASA不确定性量化杂志 全部的 前5名在6个字段中引用 10 数值分析(65-XX) 7 计算机科学(68至XX) 2 可变形固体力学(74-XX) 2 流体力学(76-XX) 1 代数拓扑(55-XX) 1 统计学(62-XX) 按年份列出的引文