基于神经半空间表示的流形B-Rep实体隐式转换
图形学
2022-09-22 v1 计算机视觉与模式识别
摘要
我们提出一种新颖的隐式表示——神经半空间表示（NH-Rep），用于将流形B-Rep实体转换为隐式表示。NH-Rep是构建于一组由神经网络表示的隐式函数之上的布尔树，该复合布尔函数能够表示实体几何并保留锐利特征。我们提出一种高效算法从流形B-Rep实体中提取布尔树，并设计一种基于神经网络的优化方法来计算隐式函数。我们在包含各类曲面片（包括NURBS）的一万个流形B-Rep CAD模型上展示了我们转换算法所提供的高质量，以及我们的学习方法在曲面重建、锐利特征保持、有符号距离场逼近、对各种曲面几何的鲁棒性方面相对于其他代表性隐式转换算法的优越性，以及NH-Rep所支持的一系列应用。
引用
@article{arxiv.2209.10191,
title = {Implicit Conversion of Manifold B-Rep Solids by Neural Halfspace Representation},
author = {Hao-Xiang Guo and Yang Liu and Hao Pan and Baining Guo},
journal= {arXiv preprint arXiv:2209.10191},
year = {2022}
}
备注
Accepted to SIGGRAPH Asia 2022. Our supplemental material and code are available at https://guohaoxiang.github.io/projects/nhrep.html