通过秩最小化实现神经隐式表面的可展近似
计算机视觉与模式识别
2023-11-03 v3 图形学
摘要
可展性指从二维平面创建表面而不发生任何撕裂或剪切的过程。它在制造工业中有实际应用。可展3D表面的一个本质特征是其零高斯曲率，即主曲率之一或两者皆为零。本文介绍一种从神经隐式表面重建近似可展表面的方法。我们方法的核心思想涉及引入一个作用于神经隐式二阶导数的正则化项，有效促进零高斯曲率。隐式表面具有更平滑变形与无限分辨率的优点，克服了使用离散表示的最先进方法的高多边形约束。我们从表面曲率性质获得启发，并采用源自压缩感知的秩最小化技术。在可展与非可展表面(包括受噪声影响的表面)上的实验结果验证了方法的泛化能力。
引用
@article{arxiv.2308.03900,
title = {Developability Approximation for Neural Implicits through Rank Minimization},
author = {Pratheba Selvaraju},
journal= {arXiv preprint arXiv:2308.03900},
year = {2023}
}
备注
Accepted-3DV(2024)