.png){kind=icon}
返回
Patch-Grid: An Efficient and Feature-Preserving Neural Implicit Surface Representation
.png){kind=icon}
PRE
AI
DOI：10.1145/3727142.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
神经隐式表示因其固有的平滑性和紧凑性，正越来越多地被用于描绘三维（3D）形状，这与传统的离散表示形成对比。然而，基于多层感知器的神经表示由于其平滑特性，会抹平尖锐的角或边缘，使其不适合表示具有尖锐特征的物体，如计算机辅助设计（CAD）模型。此外，神经隐式表示需要长时间的训练才能拟合3D形状。虽然以往的工作分别解决了这些问题，但本文提出了一种统一的神经隐式表示方法，称为Patch-Grid，它能够高效地拟合复杂形状，保留界定不同补丁的尖锐特征，并且还可以表示具有开放边界和细薄几何特征的表面。Patch-Grid学习一个符号距离场（SDF）来近似形状的一个包围表面补丁，使用可学习的补丁特征体积。为了在CAD模型中形成尖锐边缘和角落，Patch-Grid通过构造实体几何（CSG）方法合并学习到的SDF。合并过程的核心是一种新颖的合并网格设计，它将不同的补丁特征体积组织在一个共同的八叉树结构中。这种设计选择通过将CSG操作限制在局部区域，确保了多个学习到的SDF的稳健合并。此外，它还极大地降低了每个合并单元中CSG操作的复杂性，使得所提出的方法能够在几秒内训练以高保真度拟合复杂形状。实验结果表明，所提出的Patch-Grid表示能够准确地重建具有复杂尖锐特征、开放边界和细薄几何元素的形状，在几秒内以高计算效率实现了当前最先进的重建质量。
Keyword:
Neural implicit surface representation
Neural signed distance field
Constructive solid geometry
期刊
IF:
9.5
论文数:
4.8K
被引数:
3.6W
机构
引用论文
Implicit Conversion of Manifold B-Rep Solids by Neural Halfspace Representation通过神经半空间表示隐式转换流形b-rep实体
OAAI
OAAI分享收藏
Bendamustin-Rituximab Induction Followed by Observation or Rituximab Maintenance for Newly Diagnosed Patients with Waldenström's Macroglobulinemia: Results From a Prospective, Randomized, Multicenter Study (StiL NHL 7–2008 –MAINTAIN-; ClinicalTrials.gov Identifier: NCT00877214)..png)
Blood
BloodIF0
PREAI
分享收藏分享收藏
查看更多内容