Papers About Industrial Anomaly Detection 【SOTA-2D】Towards Total Recall in Industrial Anomaly Detection cold-start problem：fit a model using nominal example images only 也可以认为是One-Class Classif

Real3DAD-Reg3DAD代码及训练推理过程 train 对train_loader（4个点云，例[1, 383913, 3]）进行for循环，添加点云到basic_template，但使用了break只选择了第一个点云作为模板（纯点云坐标，[383913, 3]） test 对test_loader（100个点云，例[1, 182495, 3]）使用predict_pmae，

从多视角图片中重建带有任意拓扑的三维隐式曲面 任意拓扑：开放曲面和闭合曲面 三维重建在计算机视觉和图形学中是一个非常经典的问题，对于具有非常复杂的拓扑结构的闭合曲面，现在的工作已经可以达到非常好的重建效果，然而现在通过可微分渲染来进行重建的方法，大多数都是针对有符号距离场的SDF，SDF是把空间表示成内部和外部，因此它只能重建闭合曲面，没办法重建开放曲面，比如植物的叶子，花朵，衣服等。 最近

基于标准化流的3D点云异常检测方法构想 问题:question:： 现有的数据集貌似针对单个物体只有一处异常（瑕疵），虽然异常种类有很多。 现在的主流方法:pushpin: 基于特征学习对比的方法：从包含大量正样本的训练集中提取特征，构建存储代表特征的memory bank，在推理的时候，将待检测的输入特征编码后和memory bank（bag of feature

Point Cloud with Normalizing Flow 标准化流方法在点云处理中的应用 PointFlow首先被提出用来学习点云的分布，基于CNF的结构，作为首个将标准化流引入点云处理领域的工作，启发了更多基于标准化流的点云学习的案例。 C-Flow利用NFs来实现多模态（如图像和点云）学习的可行性。 DPF，一种离散的NFs网络来拟合点云，缓解PointFlow的收敛速

Point Cloud Anomaly Detection Methods 现有工作 方法 数据集 论文 IMRNet Anomaly-ShapeNet（提出）、Real3D-AD CVPR2024 R3D-AD Anomaly-ShapeNet、Real3D-AD ECCV2024 Reg3D-AD Real3D-AD（提出）

3D Generation Survey 综述：Advances in 3D Generation: A Survey 3D表征：Neural Representation 生成过程通常涉及用于创建3D模型和渲染2D图像的场景表示和可微分渲染算法。 【1】直接监督场景表示的3D模型 【2】将场景表示渲染成图像并监督生成的2D效果图 Explicit scene r

Text-to-3D Generation 思路： diffusion基于文本生成二维图像成功的原因：可以从网络上收集到大量的图片文本对。 三维生成大模型的难点：三维数据稀缺，目前只能利用二维的生成能力提升迁移到三维 端到端，直接生成三维数据 生成mesh：图卷积网络 生成点云：point-E 利用diffusion，从二维升三维 text-image，然后

Point Cloud Completion with Diffusion Models Related works paper: Point Cloud Pre-training with Diffusion Models consider the point cloud pre-training task as a conditional point-to-point gene

ProlificDreamer 今天我要分享的这篇论文是结合NeRF神经辐射场和生成模型Diffusion的一个3d生成的工作，叫做ProlificDreamer，使用作者提出的VSD的方法实现文本到3d内容的高保真和多样性的生成，这个可以称为里程碑之作，一作是清华大学的两个博士生，虽然代码没有开源但是github上只有一个readme文件，但已经有1.1k个star了。 从2020年DDPM