使用神经混合形状学习骨骼关节 这个存储库提供了一个端到端的库，用于自动角色绑定、蒙皮和混合形状生成，以及一个可视化工具。 它基于我们在 SIGGRAPH 2021 上发表的研究。 先决条件 我们的代码已经在 Ubuntu 18.04 上测试过。 在开始之前，请通过以下方式配置您的 Anaconda 环境 conda env create -f environment.yaml conda activate neural-blend-shapes 或者您可以手动安装以下软件包（及其依赖项）： 火炬 1.8 张量板 tqdm 矮胖的 opencv-python 快速开始 我们提供了一个专用于 Biped 角色的预训练模型。 从或（9ras）下载并解压预训练模型，并将pre_trained文件夹放在项目目录下。 跑步 python demo.py --pose_file=./eval_

Unity插件Shapes最新版 4.2.1

Shapes 是一款实时向量图库，带有高质量的线条画和无限分辨率的图形，并以高级的抗锯齿技术渲染

该算法是在配置PCL环境下运行即可，具体alpha shapes提边缘点（轮廓点）的原理可以参考博客，每个函数的功能有详细介绍https://blog.csdn.net/qq_32867925/article/details/124543879?spm=1001.2014.3001.5502

3D Shapes Dataset 3D图形数据集.h5

官方示例CPU版，显卡不行的可以参考参考，修改自己的训练图像位置和图片分辨率、识别种类就可开始训练

Microsoft Visio集成和天蓝色模板包装：Microsoft Integration，Azure，Power Platform，Office 365以及更多Stencils Pack，它是一个Visio软件包，其中包含完全可调整大小的Visio形状（符号图标），可帮助您直观地查看代表内部部署，云或混合集成和企业体系结构方案（BizTalk Server，API管理，逻辑应用，服务总线，事件中心…），使用Microsoft Azure和相关云以及内部部署技术的解决方案图和功能或系统Visio 20162013年

凹面船身 具有新累积参数的Alpha Shapes算法可用于从凹壳到凸壳的逐渐变化。 表示了两种实现。 其中一个在python 3 ，另一个在cython上cython 。 要执行算法，请运行alfa_example.py 。 您可以在文件夹data找到示例数据集，并在文件夹analysis找到一些分析图片。 示例数据集是Open Street Map俄罗斯圣彼得堡Petrogradsky区的一部分。 数据集中有3922个点。 算法演示了从凹壳到凸壳的逐渐变化： 具有不同点数的数据集的时间估计显示出良好的性能。 为了进行比较，对于其中最大的数据集， QGIS的实施执行了约90分钟。 此外，还进行了船体平滑处理，以更好地演示地理空间结果：

A method for registration of 3-D shapes，提出ICP算法的的第一篇论文

matlab代码粒子群算法形状 SHAPES（基于群体启发式样条曲线的自适应和惩罚估计）自适应样条曲线拟合方法的代码，描述如下： Soumya D. Mohanty和Ethan Fahnestock。 “带有粒子群优化的自适应样条拟合。” arXiv预印本（2019）。 要求 这些代码在Matlab中，并且已经在以下环境下进行了测试 发行版2019b + MAC OS（Catalina） 2018b + Windows 10。 安装 克隆此存储库（SHAPES）。 克隆包含粒子群优化（PSO）代码的存储库： 编辑SHAPES存储库中的文件，以提供本地目录树中SDMBIGDAT19目录的路径。 运行pathset.m（在Matlab会话开始时仅需要一次）。 或者，使用addpath / savepath或通过“设置路径”按钮可访问的GUI界面，将路径永久添加到Matlab搜索路径列表中。 输入SHAPES / DATA文件夹并运行脚本以生成包含模拟数据的样本文件。 返回SHAPES文件夹并运行SHAPES文件夹中的test _ *。m脚本，以使用上述数据文件测试安装。 用法 中提供了一个