CNS-Edit：基于耦合神经形状优化的3D形状编辑
计算机视觉与模式识别
2024-02-06 v1 图形学
摘要
本文介绍了一种基于耦合表示和神经体积优化的新方法，以在隐空间中隐式执行 3D 形状编辑。本工作有三项创新。首先，我们设计了耦合神经形状（CNS）表示以支持 3D 形状编辑。该表示包含一个隐码（用于捕捉形状的高层全局语义）和一个 3D 神经特征体积（用于提供空间上下文，以关联编辑带来的局部形状变化）。其次，我们构建了耦合神经形状优化过程，在编辑操作的约束下协同优化该表示中的两个耦合组件。最后，我们提供了多种 3D 形状编辑算子，即复制、缩放、删除和拖拽，并将每种算子推导为一个用于指导 CNS 优化的目标函数，从而能够迭代地协同优化隐码和神经特征体积以匹配编辑目标。借助我们的方法，可以实现丰富多样的编辑结果，这些结果不仅感知形状语义，而且难以通过现有方法实现。定量和定性评估均证明了我们的方法优于 state-of-the-art 方案的强大能力。
引用
@article{arxiv.2402.02313,
title = {CNS-Edit: 3D Shape Editing via Coupled Neural Shape Optimization},
author = {Jingyu Hu and Ka-Hei Hui and Zhengzhe Liu and Hao Zhang and Chi-Wing Fu},
journal= {arXiv preprint arXiv:2402.02313},
year = {2024}
}