DeepMetaHandles：基于双调和坐标学习三维网格的形变元控制柄
计算机视觉与模式识别
2021-03-30 v2 图形学
摘要
我们提出了 DeepMetaHandles，一种基于网格形变的三维条件生成模型。给定某类三维网格及其形变控制柄（控制点）的集合，我们的方法为每个形状学习一组元控制柄，其表示为给定控制柄的组合。解耦的元控制柄分解了该形状所有合理的形变，而其中每一个对应于一种直观的形变。随后可通过在特定范围内采样元控制柄的系数来生成新的形变。我们采用双调和坐标作为形变函数，其能将控制点的平移平滑地传播到整个网格。为避免将零形变学习为元控制柄，我们引入了一个目标拟合模块，将输入网格形变为匹配随机目标。为增强形变的合理性，我们采用了基于软光栅器的判别器，将网格投影到二维空间。我们的实验证明了所生成形变的优越性，以及所学元控制柄的可解释性与一致性。
引用
@article{arxiv.2102.09105,
title = {DeepMetaHandles: Learning Deformation Meta-Handles of 3D Meshes with Biharmonic Coordinates},
author = {Minghua Liu and Minhyuk Sung and Radomir Mech and Hao Su},
journal= {arXiv preprint arXiv:2102.09105},
year = {2021}
}
备注
CVPR2021 oral