基于神经广义圆柱的可控形状建模
计算机视觉与模式识别
2024-10-08 v1 图形学
摘要
神经形状表示方法，如神经符号距离场 (NSDF)，因其处理复杂拓扑和任意分辨率的能力，而日益受到青睐。由于采用隐式方式使用特征进行形状表示，操控形状面临特征难以直观编辑的内在挑战。本文提出了神经广义圆柱 (NGC) 用于 NSDF 的显式操控，该方法是传统广义圆柱 (GC) 的一种扩展。具体而言，我们首先定义一条中心曲线，并沿该曲线分配神经特征以表示轮廓。随后，在具有椭圆形轮廓的特殊 GC 的相对坐标上定义 NSDF。通过使用相对坐标，NSDF 可通过操控 GC 实现显式控制。为此，我们将 NGC 应用于诸多非刚性变形任务，如复杂曲线变形、局部缩放和扭曲。与其他方法在形状变形上的比较证明了 NGC 的有效性和效率。此外，NGC 能够通过简单的神经特征插值来利用神经特征实现形状混合。
引用
@article{arxiv.2410.03675,
title = {Controllable Shape Modeling with Neural Generalized Cylinder},
author = {Xiangyu Zhu and Zhiqin Chen and Ruizhen Hu and Xiaoguang Han},
journal= {arXiv preprint arXiv:2410.03675},
year = {2024}
}
备注
Accepted by Siggraph Asia 2024 (Conference track)