解析行进：基于深度隐式曲面网络的解析网格化方案
计算机视觉与模式识别
2020-02-18 v1 图形学
摘要
本文研究在深度学习曲面重建新兴领域中通过隐式函数学习曲面网格的问题，其中隐式函数普遍实现为带修正线性单元（ReLU）的多层感知机（MLPs）。为实现从学到的隐式函数进行网格化，现有方法采用事实标准算法marching cubes；虽有前景，但由于marching cubes的离散化本质，它们遭受MLPs中学习到的精度损失。受基于ReLU的MLP将其输入空间划分为若干线性区域这一认知的启发，我们从这些区域中识别出与隐式函数零水平等值面相关的解析单元与解析面，并刻画所识别解析面保证连接并形成封闭分段平面表面的理论条件。基于我们的定理，提出一种天然可并行的解析行进算法，该算法在解析单元间行进以精确恢复由所学MLP捕获的网格。深度学习网格重建实验验证了我们的算法相对于现有算法的优势。
引用
@article{arxiv.2002.06597,
title = {Analytic Marching: An Analytic Meshing Solution from Deep Implicit Surface Networks},
author = {Jiabao Lei and Kui Jia},
journal= {arXiv preprint arXiv:2002.06597},
year = {2020}
}