Tag · 2 篇
深度图
01 02
GS-CLIP：通过几何感知提示词与协同视图表征学习实现零样本 3D 异常检测
GS-CLIP: Zero-shot 3D Anomaly Detection by Geometry-Aware Prompt and Synergistic View Representation Learning
把 3D 几何先验蒸馏进 CLIP 文本提示词，并用渲染图与深度图双流互补融合，为点云零样本异常检测提供了可复用的「几何感知提示词 + 多视图协同」范式，可直接迁移到其他 3D 开放词表任务。
GM-R^2：面向无监督几何表征与配准的生成式匹配学习
GM-R^2: Generative Matching Learning for Unsupervised Geometric Representation and Registration
把描述子学习重构成以深度图为条件的跨视角生成任务，用视图合成的代理监督隐式约束对应点特征一致性；其去噪无关的耦合 ControlNet 与可缩放等距柱状投影（无需内参的点云转深度）可直接用于无监督 3D 配准与点云到深度图的稠密投影。