DMD-Net：深度网格去噪网络
计算机视觉与模式识别
2025-07-01 v1
摘要
我们提出了深度网格去噪网络（DMD-Net），一个用于解决网格去噪问题的端到端深度学习框架。DMD-Net 包含在原始图和对偶图上都执行聚合的图卷积神经网络，这以非对称双流网络形式实现，包含一种原始-对偶融合块，实现了原始流与对偶流之间的通信。我们发展了特征引导转换器（FGT）范式，包括特征提取器、转换器和去噪器。特征提取器估计局部特征，用于指导转换器计算转换，对其进行处理，以对噪声输入网格获得有用的中间表示。最终由去噪器进一步处理以获得去噪后的网格。该网络在大规模 3D 对象数据集上进行训练。我们进行了详尽的消融研究，表明网络中每个组件对于获得最佳性能都是必需的。我们显示该方法在与最新网格去噪算法进行比较时可获得具竞争力或更好结果。我们演示该方法对各种噪声类型都具有鲁棒性。我们观察到即使在极高噪声下，该方法也能获得优异性能。
引用
@article{arxiv.2506.22850,
title = {DMD-Net: Deep Mesh Denoising Network},
author = {Aalok Gangopadhyay and Shashikant Verma and Shanmuganathan Raman},
journal= {arXiv preprint arXiv:2506.22850},
year = {2025}
}