DC-DFFN: Densely Connected Deep Feature Fusion Network With Sign Agnostic Learning for Implicit Shape Representation
Hyväksytty
Luokittelutiedot
OKM-julkaisutyyppi
A1 Alkuperäisartikkeli tieteellisessä aikakauslehdessä (vertaisarvioitu)
Julkaisun muoto
Artikkeli
Kohderyhmä
Tieteellinen
Vertaisarvioitu
Vertaisarvioitu
Artikkelityyppi
Alkuperäisartikkeli
Emojulkaisun tyyppi
Lehti
Julkaisukanavan tiedot
Lehden/sarjan nimi
IEEE access
ISSN-E (elektroninen)
2169-3536
ISSN-L (linking)
2169-3536
Kustantaja
IEEE
Julkaisun JUFO ID
78297
Julkaisun JUFO-taso
1
Julkaisumaa
Yhdysvallat (USA)
Kansainvälisyys
Kyllä
Julkaisun tarkemmat tiedot
Julkaisuvuosi
2023
Ilmoitusvuosi
2023
Lehden/sarjan volyymi
11
Sivunumerot
46399-46412
DOI
10.1109/ACCESS.2023.3275442
Julkaisukieli
englanti
Yhteisjulkaisutiedot
Kansainvälinen yhteisjulkaisu
Ei
Yhteisjulkaisu yrityksen kanssa
Ei
Saatavuustiedot
Verkkojulkaisun linkki
Linkki rinnakkaistallenteeseen
Luokitukset ja lisätiedot
OKM-tieteenalaluokitus
113 Tietojenkäsittely ja informaatiotieteet
Avainsanat
Convolutional neural network; implicit representation; dense feature fusion; zero-label set; surface reconstruction; ShapeNet; D-Faust
Rahoittajatiedot
Rahoitustiedot julkaisussa
This work was supported in part by the Academy of Finland Projects Compact and Efficient Deep Neural Networks for Ubiquitous Computer Vision (CoEfNet) and Robust and Efficient Perception for Autonomous Things (REPEAT).
Lähdetietokantojen tunnukset
WoS -tunniste
WOS:001010137900001
Scopus -tunniste
Scopus:85160833092