本文是学习下面这篇论文的一点小结
《Deep Learning Advances on Different 3D Data Representations: A Survey》 arXiv:1808.01462v1, 4 Aug 2018
3D数据分类
欧式几何类3D数据 - 非欧式几何类3D数据
欧式几何类3D数据： Descriptors, projections, RGB-D, volumetric data, multi-view data 非欧式几何类3D数据： 点云，图类，面片
欧式类的特点就是可以通过一维线性，或二维网格（grid）的模式来表达数据。这种情况下，应用于2D图像，1D文字/声音的DL方法就可以方便的用到3D数据上面。
非欧式的特点就是不能以上面的方式表达数据，所以不能容易的把DL在图像领域的成果用过来。
多一点介绍
Descriptors：通过shape descriptor来描述3D
projections：把3D数据投影到诸如球面等上面，得到grid类似的数据再处理。缺点是几何信息留不住。
RGB-D：有单独把D数据来做DL分析，然后再跟RGB的数据分析一起处理的。 也有把D数据作为RGB的第四个数据来用DL统一处理的。
Voulmetric data: 2D 像素的3D版。缺点是计算量大。
multi-view data: 围着3D数据转一圈拍照，然后处理那些照片
图类：把3D数据用Graph的模式来表达再做处理
DL在以上每类数据上的应用，这篇论文做了个回顾总结。
网友评论