深度特征变形权重

基于句柄的网格变形是计算机图形学中的一种经典范式，可通过稀疏控制实现直观编辑。经典技术速度快且精确，但需要用户预先了解理想的句柄放置位置，这可能不够直观且不一致。句柄集合难以调整，因为权重通常通过由句柄定义的能量函数来优化。另一方面，现代数据驱动的方法提供了语义编辑，但牺牲了细粒度控制和速度。我们提出一种技术，实现两者兼得：深度特征接近性产生平滑、视觉感知的变形权重，无需额外正则化。重要的是，这些权重可以为任意表面点实时计算，与先前需要昂贵优化的方法不同。我们引入了重心特征蒸馏，这是一种改进的特征蒸馈管线，利用形状渲染的完整视觉信号，以实现对网格分辨率不敏感的蒸馈复杂度。这使得高分辨率网格可在分钟内处理，而先前的方法可能需要数小时。我们通过特征空间约束和局部加权保留并扩展经典属性。我们的场表示方法可实现自动视觉对称检测，我们利用它产生保持对称性的变形。我们展示了一个概念验证应用，可在消费级机器上实时生成面积高达 100 万面的网格的变形。项目页面位于 https://threedle.github.io/dfd。