DA Wand：基于神经网格参数化的畸变感知选择
计算机视觉与模式识别
2023-03-28 v3 图形学
摘要
我们提出了一种用于学习选择点周围局部子区域以用于网格参数化的神经技术。我们框架的动机源于用于表面贴花、纹理或绘制的交互式工作流。我们的核心思想是将分割概率作为经典参数化方法的权重，实现为神经网络框架内的新颖可微参数化层。我们训练一个分割网络来选择被参数化到2D并受所得畸变惩罚的3D区域，从而产生畸变感知的分割。训练后，用户可使用我们的系统交互式地选择网格上的点，并获得选择周围大而有意义的区域，其引发低畸变参数化。我们的代码与项目页目前可用。
引用
@article{arxiv.2212.06344,
title = {DA Wand: Distortion-Aware Selection using Neural Mesh Parameterization},
author = {Richard Liu and Noam Aigerman and Vladimir G. Kim and Rana Hanocka},
journal= {arXiv preprint arXiv:2212.06344},
year = {2023}
}
备注
Project page: https://threedle.github.io/DA-Wand/ Code: https://github.com/threedle/DA-Wand