CVPRMar, 2023

从有符号距离函数中抽象出形状

PDF
TL;DR该论文提出了 Marching-Primitives 方法，通过分析体素的连接性，以及在不同的有符号距离级别上行进，在概率意义下从体素范围上生长几何基元（例如超椭球），并同时解决基元参数问题，以捕捉基本局部几何信息。研究人员在合成数据集和真实世界数据集上评估该方法，结果表明该方法在准确性方面优于现有技术，可在不同类别和尺度之间直接泛化。
computer visiongeometric primitivessigned distance functionmarching-primitivessuperquadrics
发现论文，激发创造
  • 基于非参数贝叶斯推断的基元形状抽象

    本文提出了一种非参数贝叶斯统计方法用于从点云中推断抽象的三维形状，包括未知数量的基本几何基元，并展示了该方法的实验结果比现有方法更准确且具有普适性。

    Mar, 2022

  • DeepSDF：学习连续的符号距离函数以用于形状表征

    介绍了 DeepSDF 方法，它是用于高品质形状表示、插值和完成的一种学习连续有符号距离函数（SDF）的表示，将 3D 几何表示为体积场，并可表示整个形状类。DeepSDF 方法相比以往方法降低了一个数量级的模型大小，同时获得了学习 3D 形状表示和完成方面的最先进性能。

    Jan, 2019

  • 3D 场景抽象的鲁棒形状拟合

    通过神经网络引导的 RANSAC 估计器拟合基本几何体，提供更有意义的场景抽象并减少推理时间，成功地将拥挤的真实世界三维场景布局抽象化。

    Mar, 2024

  • gSDF: 基于几何的有符号距离函数在 3D 手部物体重建中的应用

    本文利用手的结构作为 SDF 的引导，并预测姿势变换的运动链，对高关节手姿势对齐 SDF 进行了改进，最终在 ObMan 和 DexYCB 基准测试中取得了比现有技术更显著的改进。

    Apr, 2023

  • 神经几何细节层：使用隐式三维形状的实时渲染

    本篇研究提出了一种基于八叉树的特征体积的神经无人机距离函数模型，实现了高保真的 3D 形状实时渲染，且在多个方面表现出全球领先的复杂形状重建质量与渲染效率。

    Jan, 2021

  • MeshSDF: 可微分等值面提取

    本文介绍一种基于 Deep Signed Distance Function 的不可微分网格表述方法 MeshSDF，通过推理隐式场的扰动如何影响局部表面几何，最终不限制分辨率和拓扑结构地将 Deep Implicit Field 显式地表示成一个可微分的网格形状，该方法在单视角重建和基于物理的形状优化方面优于现有技术。

    Jun, 2020

  • 三维生成模型的镶嵌 —SDF 方法

    本文介绍了一种新的 3D 形状表示方法，名为 Mosaic-SDF（M-SDF），它通过使用一组分布在形状边界附近的局部网格来近似给定形状的有符号距离函数（SDF）。M-SDF 表示具有高效计算、参数效率和与基于 Transformer 的架构兼容等优点，在 3D 生成流模型的训练中展示了其有效性。

    Dec, 2023

  • 从原始点云逐步学习具有一致性感知的无符号距离函数

    本研究提出了一种从原始点云直接学习一致性感知无符号距离函数的新方法，以进行表面重建，同时引入了多边形化算法以直接从学习的 UDF 的梯度场中提取表面。实验结果表明，在合成和真实扫描数据的表面重建方面，该方法在广泛使用的基准测试中明显优于现有技术。

    Oct, 2022

  • 3DIAS：使用隐式代数曲面进行三维形状重建

    本论文中，我们提出了基于约束隐式代数曲面和深度神经网络的方法，以实现对高复杂度 3D 形状的更准确重建和分割，相较于现有单 RGB 图像 3D 形状重建技术，该方法表现出更强的表现力和性能，可无监督地进行学习。

    Aug, 2021

  • 无界景观中基于视角的八叉树网格提取方法的程序化合成数据

    通过使用基于给定 SDF 和多个摄像机视角的八叉树算法，我们提出了一种名为 OcMesher 的网格提取算法，它可以高效处理具有完美视角一致性的高细节无界场景，并能轻松导出到下游的实时引擎，通过大量实验证明了我们的解决方案可以生成更好的用于计算机视觉模型训练和评估的合成数据。

    Dec, 2023