Les travaux accordent une attention particulière à l'apprentissage sur les maillages triangulaires du corps humain et consiste à transférer des techniques d'apprentissage profond connues à des données non euclidiennes à l'aide d'analyse spectrale appliquée à des maillages. En utilisant le Laplacien topologique, la géométrie des maillages est transformée en coefficients spectraux qui sont donnés à un modèle de type Autoencodeur. Le réseau est capable de fournir des résultats meilleurs que l'état de l'art en étant rapide et en permettant la génération de nouveaux échantillons réalistes.

Le code a reçu l'étiquette Graphics Replicability Stamp et est disponible avec un modèle préentraîné ici. Le preprint est disponible ici.

Lemeunier, C., Denis, F., Lavoué, G., & Dupont, F. (2022). Representation learning of 3D meshes using an Autoencoder in the spectral domain. In Computers & Graphics (Vol. 107, pp. 131–143). Elsevier BV. https://doi.org/10.1016/j.cag.2022.07.011.