VFS-Net：基于顶点与面的三维模型分割分析深度学习流程

据TechRxiv预印本，Morgan Mekale Smith等作者提出VFS-Net，一种同时基于顶点与面的双路深度学习流程，用于动态三维模型的分割与分析。作者称，该框架在生物与合成两类三维模型上均取得良好的分割与分类指标，显示其适用性较广；跨多数据集基准测试显示，VFS-Net对模型复杂度与网格密度的变化保持稳健。作者指出，传统机器学习方法需要结构化网格或体数据，难以优化处理随尺度与表面积大幅变化的数据点。该流程针对结构光扫描获得的三维模型设计，可准确捕捉复杂表面几何与拓扑特征。作者表示，未来将整合二维数据，以拓展其在生物医学研究中的相关性。