CVPRFeb, 2021

DeepMetaHandles: 使用双调和坐标学习三维网格形变元处理

PDF
TL;DRDeepMetaHandles 是一种基于网格变形的 3D 条件生成模型，通过学习每个形状的一组元句柄来分解所有可行的变形，并使用软光栅化器判别器来增强变形的合理性。
deepmetahandles3d meshesmeta-handlesdeformationsoft-rasterizer-based discriminator
发现论文，激发创造
  • 学习形状手柄的生成模型

    该研究提出了一种生成模型来合成 3D 形状，以句柄集的形式 —— 轻量级代理，为交互式编辑、形状解析和构建紧凑的 3D 表示提供应用，通过监督自动形状概括技术，展示了直观的形状表示，并通过我们的模型学习的潜在空间来指导交互形状编辑，补充和插值等任务，实现了卓越的质量。

    Apr, 2020

  • 3D 感知图像形变：通过学习形状拉普拉斯实现弹出效果运动

    本文提出了一种基于监督学习的 3D 感知图像形变方法，使用预测形状 Laplacian 和用户定义的形变 handles 计算出有限的 biharmonic 权重来模拟合理的基于 handles 的图像形变。

    Mar, 2022

  • 深度行军四面体：用于高分辨率三维形状合成的混合表示

    介绍了一种深度三维条件生成模型 DMTet，它能够使用简单的用户指南（如粗略体素）合成高分辨率的三维形状。它将隐式和显式三维表示的优点结合起来，利用一种新颖的混合三维表示，并在表面网格上明确定义重建和对抗性损失，使我们能够综合更精细的几何细节，具有任意拓扑。

    Nov, 2021

  • 学习可变形四面体网格用于 3D 重建

    介绍 Deformable Tetrahedral Meshes (DefTet) 作为一种特殊的参数化，利用容积四面体网格用于重建问题，该方法可以同时达到高精度、容积、可学习神经架构，并且可以产生比替代容积方法小得多的网格大小的高保真重建。

    Nov, 2020

  • 深度算子网络中的流固耦合网格运动

    基于深度操作网络的网格运动模型，在流体 - 结构相互作用基准问题上进行训练和评估，并在双调谐网格运动失效情况下进行进一步评估，所提出的网格运动模型在测试问题上的性能与双调谐网格运动相当。

    Feb, 2024

  • TextDeformer: 使用文本指导进行几何形状操作

    本研究提出了使用可微分渲染进行网格变形的方法，通过使用 Jacobians 的方法解决了传统方法中的问题，并使用 CLIP 等预训练的图像编码器来对几何和图像进行连接，实现了对于形状和细节的变形。

    Apr, 2023

  • 学习动态四面体进行高质量的说话头部合成

    通过神经网络对显式动态网格进行编码的混合表示方法 Dynamic Tetrahedra (DynTet) 提供了一种有效的几何一致性，解决了在准确建模复杂面部变形方面缺乏显式几何约束的困境。与以往的工作相比，DynTet 在保真度、口型同步和实时性能等多个指标上表现出了显著的改进，同时还能输出动态网格并有很多新兴应用的潜力。

    Feb, 2024

  • 用于精细手物体重建的动态双曲线注意网络

    本文提出了首个在双曲空间中精确手物体重构的方法 Dynamic Hyperbolic Attention Network (DHANet)，该方法借助双曲空间的内在特性学习代表性特征，并通过动态双曲图卷积和基于图注意力的双曲图卷积两个模块来学习具有丰富几何 - 图像多模态信息的网格特征和更好地建模手物体交互作用，实验证明该方法在三个公共数据集上优于大多数最先进的方法。

    Sep, 2023

  • Pixel2Mesh++: 多视角下基于变形的 3D 网格生成

    使用图卷积网络从多角度图像中预测一系列形状变形，以进一步提高 3D 网格表征的形状质量，从而获得高精确度、高可靠性且具有普适性的 3D 模型。

    Aug, 2019

  • 基于分层变形的小样本物理感知关节网格生成

    通过观察只有少数示例的关节物体数据集，我们提出了一种解决少样本关节网格生成问题的层次网格变形生成模型，通过从大规模刚性网格中借用可转移的变形模式来缓解少样本挑战，并通过物理感知的变形修正方案鼓励产生物理上合理的生成物。在 6 个关节类别上进行了广泛实验，证明了我们的方法在少样本环境中生成具有更好的多样性、更高的视觉保真度和更好的物理有效性的关节网格方面的优势。

    Aug, 2023