1.1.2 核心定义与术语体系
文档摘要
1.1.2 核心定义与术语体系 在几何深度学习的工程实践中，我们常被问及一个问题：为什么一个看似简单的点云配准任务，用欧氏距离做KNN搜索时效果尚可，但一旦换到医学影像的脑沟回曲面匹配场景，模型就突然“失明”——分类准确率断崖式下跌？答案不在数据增强策略，也不在学习率调度，而藏在你调用 时默认忽略的那个参数： 。它代表的不仅是闵可夫斯基范数的指数，更是我们对空间本体论的一次无意识投票——我们默认世界是平直的、可嵌入$\mathbb{R}^n$的、各向同性的。可真实世界的结构从不买账。 这不是哲学思辨，而是每天发生在GPU显存里的现实冲突。当你把海马体表面三角网格导入PyTorch3D，调用 时，函数内部悄然计算的是边长平方和；
评论区
(0)
U