利用深度变分自编码器进行数据驱动法线滤波的快速网格去噪
计算机视觉与模式识别
2021-11-29 v1 人工智能
摘要
3D扫描技术的最新进展使得3D模型能够部署在数字孪生、远程检测和逆向工程等各种工业应用中。尽管性能不断提升，3D扫描仪在采集的密集模型中仍会引入噪声和伪影。在这项工作中，我们提出了一种针对密集3D扫描工业模型的快速且鲁棒的去噪方法。所提出的方法采用条件变分自编码器来有效过滤面法线。训练和推理在滑动补丁设置中进行，从而减少了所需训练数据的大小和执行时间。我们使用3D扫描和CAD模型进行了广泛的评估研究。结果验证了合理的去噪效果，与其他最先进的方法相比，展示了相似或更高的重建精度。具体来说，对于面数超过1e4的3D模型，所提出的流程比具有等效重建误差的方法快两倍。
引用
@article{arxiv.2111.12782,
title = {Fast mesh denoising with data driven normal filtering using deep variational autoencoders},
author = {Stavros Nousias and Gerasimos Arvanitis and Aris S. Lalos and Konstantinos Moustakas},
journal= {arXiv preprint arXiv:2111.12782},
year = {2021}
}
备注
12 pages, 12 figures