3D扫描是一种复杂的多级进程，它产生了由于遮挡，反射，阴影，扫描仪运动，物体表面的特定属性，对象曲线的特定属性，Imperfect重建算法等指向云完成而产生损坏部件的对象的点云。填写对象的缺失部分并获得其高质量的3D表示。现有的完成方法在学术数据集中表现良好，具有预定义的对象类和非常特定的缺陷类型;然而，它们的性能在真实的环境中下降，并在以前看不见的对象类上进一步降低。我们提出了一种在对称物体上表现良好的新颖框架，这些框架在人造环境中普遍存在。与基于学习的方法不同，所提出的框架不需要培训数据，并且能够使用例如在客户3D扫描过程中完成非关键损坏。 kinect，飞行时间或结构化光扫描仪。通过彻底的实验，我们表明拟议的框架在云完成现实世界客户扫描的点云完成时实现了最先进的效率。我们在两种类型的数据集中基准框架性能：正确增强现有的学术数据集和各种对象的实际3D扫描。
translated by 谷歌翻译
姿态检测是一个重要的任务，支持许多下游任务，如话语解析和建模假新闻，谣言和科学否认。在本文中，我们提出了一种用于姿态检测的新颖框架。我们的框架是无人监督和域名独立的。鉴于索赔和多参与者讨论 - 我们构建了我们为每个扬声器获得拓扑嵌入的交互网络。这些扬声器嵌入式享有以下酒店：具有相同姿态的扬声器往往由类似的载体代表，而抗双向矢量代表具有相反阶段的扬声器。然后使用这些嵌入式将扬声器划分为姿态分区。我们在来自不同平台的三个不同数据集中评估我们的方法。我们的方法胜过或与监督模型相当，同时提供其输出的置信水平。此外，我们展示了结构嵌入方式如何涉及扬声器表达的价值。最后，我们讨论了框架内固有的一些限制。
translated by 谷歌翻译