用于3D场景的最佳扫描轨迹

    公开(公告)号:CN110178364A

    公开(公告)日:2019-08-27

    申请号:CN201780083406.2

    申请日:2017-12-19

    Abstract: 本公开的示例涉及为3D场景生成最佳扫描轨迹。在一个示例中,可移动相机可以收集关于场景的信息。在初始通过期间,可以使用初始轨迹收集初始数据集。为了生成最佳轨迹,可以基于初始数据集生成场景的重构。可以基于重构生成表面点和相机位置图。可以确定子梯度,其中子梯度提供针对与相机位置图中的每个相机位置节点相关联的边际奖励的加性近似。可以使用子梯度基于每个相机位置节点的边际奖励来生成最佳轨迹。然后可以使用最佳轨迹来收集附加数据,附加数据可以被迭代地分析并且用于进一步细化和优化后续轨迹。

    量子深度学习
    17.
    发明公开

    公开(公告)号:CN107004162A

    公开(公告)日:2017-08-01

    申请号:CN201580066265.4

    申请日:2015-11-28

    CPC classification number: G06N3/08 G06N3/0445 G06N99/002

    Abstract: 使用通过对近似于吉布斯状态的量子状态进行采样而评估的目标函数来训练玻尔兹曼机。经典处理用来产生目标函数,并且近似的吉布斯状态基于使用采样结果而改善的权值和偏置。在一些示例中,使用幅度估计。组合的经典/量子计算机产生用于形状分类和其他应用的适当权值和偏置。

Patent Agency Ranking