Parameterization for point cloud spline fitting
- Sofia Imperatore
- © 2026 Author(s) |
- CC BY 4.0
- DOI: 10.36253/979-12-215-1002-7.07
In this Chapter, we propose different data-driven parameterization procedures depending on the nature of the input data, whether they consist of point sequences or point clouds, as well as whether they are organized or scattered. CNN are employed for the parameterization learning problem of points on a rectilinear grid; on the other hand, we propose to employ methods from geometric deep learning to properly address the parameterization learning problem for unstructured data configurations.
- Keywords:
- Data parameterization,
- Convolutional Neural Networks,
- Graph Convolutional neural networks,
- gridded data,
- scattered data,
Technical University of Eindhoven, Netherlands - ORCID: 0009-0003-9116-9978
Informazioni sul capitolo
Titolo del capitolo
Parameterization for point cloud spline fitting
Autori
Sofia Imperatore
Lingua
Inglese
DOI
10.36253/979-12-215-1002-7.07
Opera sottoposta a peer review
Anno di pubblicazione
2026
Copyright
© 2026 Author(s)
Licenza d'uso
Licenza dei metadati
Informazioni bibliografiche
Titolo del libro
Adaptive spline approximation: data-driven parameterization and CAD model (re-)construction
Autori
Sofia Imperatore
Opera sottoposta a peer review
Numero di pagine
196
Anno di pubblicazione
2026
Copyright
© 2026 Author(s)
Licenza d'uso
Licenza dei metadati
Editore
Firenze University Press
DOI
10.36253/979-12-215-1002-7
ISBN Print
979-12-215-1001-0
eISBN (pdf)
979-12-215-1002-7
eISBN (xml)
979-12-215-1003-4
Collana
Premio Tesi di Dottorato Città di Firenze
ISSN della collana
3103-3881
e-ISSN della collana
3103-3989