تقسیم بندی گاوسی سه بعدی با هدایت دو بعدی و بدون زحمت: کار مرتبط

نویسندگان:

(1) کان لان، دانشگاه علم و صنعت چین؛

(2) هائوران لی، دانشگاه علم و صنعت چین؛

(3) هائولین شی، دانشگاه علم و صنعت چین.

(4) Wenjun Wu، دانشگاه علم و صنعت چین.

(5) یونگ لیائو، دانشگاه علم و صنعت چین؛

(6) Lin Wang، AI Thrust، HKUST (GZ)؛

(7) پنگیوان ژو، دانشگاه علم و صنعت چین.

چکیده و 1. مقدمه

2. کارهای مرتبط

3. روش و 3.1. رندر مبتنی بر نقطه و یادگیری معنایی اطلاعات

3.2. خوشه بندی گاوسی و 3.3. فیلتر گاوسی

4. آزمایش کنید

4.1. تنظیمات، 4.2. نتیجه و 4.3. ابلیشن

5. نتیجه گیری و مراجع

گاوسی سه بعدییک روش بازنمایی صریح اخیراً پیشنهاد شده است، به دستاوردهای قابل توجهی در بازسازی صحنه سه بعدی دست یافته است. [1]. بزرگترین مزیت آن قابلیت رندر در زمان واقعی است. با استفاده از مجموعه ای از تصاویر صحنه و داده های دوربین مربوطه، از گاوسی های سه بعدی برای به تصویر کشیدن اشیاء صحنه استفاده می کند. هر گاوسی سه بعدی با پارامترهایی از جمله میانگین، ماتریس کوواریانس، کدورت و هارمونیک های کروی تعریف می شود. میانگین موقعیت مرکزی گاوسیان را در صحنه سه بعدی مشخص می کند. ماتریس کوواریانس که توسط یک ماتریس مقیاس پذیر S و یک ماتریس چرخشی R بیان می شود، …

Source link