几何深度深度学习的学习之路

Deep Learning on Extrinsic Geometry

 

几何深度深度学习的学习之路_第1张图片

几何深度深度学习的学习之路_第2张图片

几何深度深度学习的学习之路_第3张图片

为什么用点云呢,因为大部分3d扫描设备都产生点云。

EMD(earth mover distance)距离:  在计算机科学与技术中,地球移动距离(EMD)是一种在D区域两个概率分布距离的度量,就是被熟知的Wasserstein度量标准。
不正式的说,如果两个分布被看作在D区域上两种不同方式堆积一定数量的山堆,那么EMD就是把一堆变成另一堆所需要移动单位小块最小的距离之和。
 上述的定义如果两个分布有着同样的整体(粗浅的说,就像两个堆有着同样的数量),在规范化的直方图或者概率密度函数上。
在这基础上,EMD等同于两个分布的第一Mallows距离或者第一Wasserstein距离。 

几何深度深度学习的学习之路_第4张图片

 几何深度深度学习的学习之路_第5张图片

 几何深度深度学习的学习之路_第6张图片

几何深度深度学习的学习之路_第7张图片

几何深度深度学习的学习之路_第8张图片

几何深度深度学习的学习之路_第9张图片 几何深度深度学习的学习之路_第10张图片

几何深度深度学习的学习之路_第11张图片 几何深度深度学习的学习之路_第12张图片

几何深度深度学习的学习之路_第13张图片

几何深度深度学习的学习之路_第14张图片 几何深度深度学习的学习之路_第15张图片

几何深度深度学习的学习之路_第16张图片

 几何深度深度学习的学习之路_第17张图片

几何深度深度学习的学习之路_第18张图片

几何深度深度学习的学习之路_第19张图片 几何深度深度学习的学习之路_第20张图片

 

你可能感兴趣的:(深度学习)