shape-analysis

本文提出了一种使用高斯混合模型对平面曲线进行概率多边形表示的方法，该方法保留了局部切线、法线和弧长信息，并在法线方向上编码了不确定性。该框架适用于各种平面曲线，并支持面向CAD、机器人和轨迹规划的不确定性感知几何建模。

本文利用形状分析工具，刻画了不同数据增强策略如何重塑神经网络表征的几何结构，发现增强强度和类型会在形状空间中产生截然不同且具有良好规律的轨迹。