- 1、本文档共8页,其中可免费阅读7页,需付费10金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
- 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明提供了一种基于图卷积网络的网格去噪方法,该方法本发明探索三角网格本身的结构,并引入图表示,然后在三角形的对偶空间中引入图卷积运算。本发明展示了这样一种可以自然地捕获几何特征的图形表示形式,同时对于训练阶段和推断阶段都是轻量级的。为了促进有效的特征学习,这种网络同时利用了静态和动态边缘卷积,这使我们能够从显式网格结构和未连接邻近之间的潜在联系中学习信息。为了更好地估计未知噪声函数,本发明引入了多个GCN的级联优化范例,以逐步推断面的无噪声法向。本发明在多个噪声数据集中实现了最好的结果,包括通
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 112200733 A
(43)申请公布日 2021.01.08
(21)申请号 202010939418.4
(22)申请日 2020.09.09
(71)申请人 浙江大学
地址 31
文档评论(0)