.png){kind=icon}
返回
A double-covered probabilistic ray-based neural shape representation
.png){kind=icon}
OA
AI
DOI：10.1016/j.cag.2026.104685.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 我们通过更易处理的参数化中轴原子射线场域扩展表示能力。
• 我们通过预测融合改善梯度流和可扩展性，使原子协同而非竞争。
• 我们通过新的监督策略和学习目标提高稳定性和召回率。
• 我们通过绕过网络一半的双向反向传播降低训练成本并提高多视图一致性。
• 我们通过粗到精的训练计划改善收敛性和多视图泛化能力。
Keyword:
Representation learning
Neural fields
Medial axis transform
