返回
DCUDF2: Improving Efficiency and Accuracy in Extracting Zero Level Sets From Unsigned Distance Fields
DOI:10.1109/TVCG.2025.3588659.png)
摘要
En 中文
无符号距离场(UDFs)为具有复杂拓扑结构的模型提供了灵活的表示方法,但准确提取其零水平集仍然具有挑战性,特别是在保持拓扑正确性和精细几何细节方面。我们提出了DCUDF2,这是一种基于DCUDF改进的方法,旨在解决这些局限性。我们的方法引入了一种具有自适应权重的精度感知损失函数,能够在实现精确几何拟合的同时避免过度平滑。为提高鲁棒性,我们提出了一种拓扑校正策略,以降低对超参数设置的敏感性。此外,我们开发了利用自适应权重的新操作,以加速收敛并提高运行效率。在多样化数据集上的大量实验表明,DCUDF2在几何保真度和拓扑精度两方面均持续优于DCUDF和现有方法。
Keyword:
Unsigned distance fields
mesh extraction
neural implicit fields
double covering
期刊
IF:
6.5
论文数:
353
被引数:
2.2W
机构
引用论文
DeepSDF: Learning Continuous Signed Distance Functions for Shape RepresentationDeepSDF: 学习用于形状表示的连续符号距离函数

