Oct, 2022

神经体积网格生成器

PDF
TL;DR本文提出了一种名为神经体维网格生成器的神经网络模型，可以从随机噪声或参考图像中生成高质量的三维网格结构，并且通过比较实验，证明了这种方法在使用体素作为输入时相对于其他最先进的方法更具有稳健性，并且拥有更好的性能。
deep generative modelsneural volumetric mesh generatorvoxel-to-mesh deformationtetrahedral meshimplicit surface
发现论文，激发创造
  • GVGEN: 基于体积表示的文本到 3D 生成

    该论文介绍了一种名为 GVGEN 的新型扩散基础框架，用于通过文本输入高效生成 3D 高斯表示。它通过结构化体积表示和从粗到细的生成流程提供了优越的性能，同时保持了快速生成速度。

    Mar, 2024

  • 基于体素数据的三维网格模型生成

    本研究介绍了一种新的体系结构，可实现直接从三维图像体积转换为三维表面，无需后处理并具有比当前方法更好的准确性，证明其优于最先进的分割方法。

    Dec, 2019

  • 利用卷积神经网络进行生成式和判别式体素建模

    本文探讨了三维数据表示方式的重要性，使用基于体素的模型来进行形状建模和物体分类，并提出了训练基于体素的变分自编码器、探索潜空间的用户界面和采用深度卷积神经网络实现物体分类的方法。最终在 ModelNet 基准测试中，我们的模型相较于最新技术提升了 51.5% 的物体分类准确率。

    Aug, 2016

  • 高效神经渲染的体素混合原理

    本研究提出一种混合体元素模型（MVP），它将体元素和点渲染结合了起来，实现了体和点渲染相结合的性能，同时支持相应和跟踪约束，并在细节、透明度和几何变化等方面具有鲁棒性。大量实验证明了该方法的质量和运行时间性能优于现有技术。

    Mar, 2021

  • NeuTex: 用于体积神经渲染的神经纹理映射

    该研究介绍了一种通过将几何图形和外观区分开来的方法，使用体积场景表示和可微分体积渲染，利用表面参数化网络以及循环一致性损失等技术，生成高质量的渲染结果，且可直接通过编辑 2D 纹理贴图来修改外观。

    Mar, 2021

  • 3D 表征的深度生成模型：一项调查

    本文概述了 3D 生成方法和 3D 感知图像合成的算法和表示方法的发展，并探讨了面临的困难和挑战。

    Oct, 2022

  • 通过点 - 体素扩散生成和补全 3D 形状

    本文提出了一种新颖的概率生成建模方法，称为 Point-Voxel Diffusion（PVD），它是一个统一的、概率的公式，用于无条件的形状生成和多模态形状完成。PVD 将降噪扩散模型与 3D 形状的混合点 - 体素表示相结合，并通过优化变分下界来训练（条件）似然函数。实验证明了 PVD 的高保真度合成能力，以及从单视角深度扫描的真实对象中生成多个完成结果的能力。

    Apr, 2021

  • MeshDiffusion：基于评分的生成式 3D 网格建模

    本文提出了一种基于可变四面体网格的扩散模型，用于生成具有细粒度几何细节的 3D 网格，以适用于自动场景生成和物理模拟等各种应用。

    Mar, 2023

  • SDM-NET: 结构可变网格的深度生成网络

    SDM-NET 是一种深度生成神经网络，用于生成符合形状集合全局部分结构的有结构变形的网格，并通过部分 VAE 在部分几何形状和结构 VAE 的联合学习来确保全局形状结构和表面详情之间的一致性。

    Aug, 2019

  • FastMESH：基于六边形网格神经渲染的快速曲面重构

    该论文提出了一种称为 FastMESH 的有效的基于网格的神经渲染方法，通过采用六边形网格模型以及基于粗到细的空间切割方案，可以在快速训练的同时，实现更好的重建和新视角合成效果。

    May, 2023