Feb, 2020

PolyGen: 一个三维网格的自回归生成模型

PDF
TL;DR该研究论文介绍了一种基于 Transformer 的方法来直接建模多边形网格，并通过输入不同的对象类别、体素和图像等信息，生成可用的高质量网格，同时在表面重建指标上表现出很好的性能。
polygon meshes3d geometrycomputer graphicsneural architecturessurface reconstruction
发现论文，激发创造
  • PolyDiff：使用扩散模型生成三维多边形网格

    PolyDiff 是第一个能够直接生成逼真且多样化的三维多边形网格的扩散式方法。通过在多边形网格数据结构上本地化进行离散去噪扩散概率建模，我们能够学习顶点的几何特性和面的拓扑特性，从而生成高质量的三维多边形网格，适用于后续的三维工作流集成。

    Dec, 2023

  • MeshGPT: 基于解码器的变压器生成三角网格

    通过使用基于序列的方法，我们引入了 MeshGPT 这一新的三角网格生成方法，有效地模拟了艺术家创建的三角网格的紧凑特征，并且在各个类别中，形状覆盖率提高了 9%，FID 得分提高了 30 个点。

    Nov, 2023

  • 3DGEN：一种基于 GAN 的从图像数据生成新的 3D 模型的方法

    我们提出了 3DGEN 模型，它利用最近在物体重建和基于 GAN 的图像生成方面的工作，可以为训练图像的同一类别对象生成可信的三维网格，并将生成的网格与当前最先进的基准模型进行比较，取得了可见的生成质量改进。

    Dec, 2023

  • 3D 点云的生成模型

    本研究的目的是通过实验转换编码器、潜空间流模型和自回归解码器等方法来改进点云潜空间生成模型的性能，并对这些模型在不同物体类型上的生成和重构性能进行分析和比较。

    Feb, 2023

  • 推动自回归模型的 3D 形状生成能力与可扩展性

    通过扩展自回归模型到三维领域并改进其容量和可扩展性，本文提出了一种名为 Argus3D 的新框架，利用离散表示学习基于潜在向量的三维形状生成，大大降低计算成本并保留几何细节，同时通过简单地连接各种条件输入来实现条件生成能力。经过广泛实验验证，Argus3D 在多个类别上能够合成多样化和真实的三维形状，并取得了显著的性能提升。

    Feb, 2024

  • MeshGAN：非线性三维可塑面部模型

    本文提出了一种名为 MeshGAN 的新型的生成对抗网络架构，该架构可以直接操作 3D 网格，成功应用于 3D 人脸表情生成。

    Mar, 2019

  • 利用几何度量实现网格不变的三维生成深度学习

    该论文提出了一种可以处理不同参数化的、基于核的计量的网络架构，可以用于人脸的生成学习任务。

    Jun, 2023

  • PivotMesh: 通过中心顶点引导的通用 3D 网格生成

    PivotMesh 是一种通用且可扩展的网格生成框架，通过使用 transformer-based auto-encoder 将网格编码为离散标记，并通过层次结构从面到顶点解码，首先生成粗网格表示，然后使用相同的自回归 Transformer 生成完整的网格标记，以实现对大规模数据集的原始网格建模。

    May, 2024

  • 神经三维网格渲染器

    本文介绍了一种基于神经网络的多边形网格渲染方法，该方法使用了一种近似梯度来克服离散化操作的限制，从而实现了单幅图像的 3D 网格重建。同时，该方法还实现了基于 2D 监督的 3D 渲染编辑操作。实验结果表明，所提出的渲染器有效性强。

    Nov, 2017

  • GET3D: 从图像中学习高质量 3D 纹理形状的生成模型

    GET3D 是一种 3D 生成模型，能够直接生成具有复杂拓扑结构、丰富几何细节和高保真纹理的显式纹理 3D 网格，从而显著改进了以往的方法。

    Sep, 2022