12:19arXiv cs.LG@Gary P. T. Choi, Khanh Dao Duc, Shira Faigenbaum-Golovin, Karen Habermann, Emmanuel Hartman, Christoph von Tycowicz, Chi Zhang, Wenjun Zhao, Felix Zhou这篇综述整理了形状空间分析的快速发展领域,提供了基于微分几何、统计学和机器学习的数学与计算框架。它围绕形状表示、鲁棒测地度量构建、形状空间统计分析和几何感知学习方法组织文献。应用涵盖亚细胞形态学和灵长类牙齿演化等多个生物组织尺度。文章最后指出了理论计算挑战以及由大规模几何数据集驱动的新机遇。论文Shape Space Analysis微分几何几何数据形状分析机器学习推荐理由:如果你处理非线性的几何数据(比如生物形态或3D模型),这篇综述总结了形状空间分析的核心方法,帮你理解如何比较和统计分析几何对象。原文