Marching-Primitives：基于有符号距离函数的形状抽象
计算机视觉与模式识别
2023-06-07 v2
摘要
用基本几何基元表示复杂物体长久以来是计算机视觉中的课题。基于基元的表示在物理仿真、碰撞检测与机器人操控等高层任务中具有紧凑与计算高效的优点。不同于以往从有符号距离函数（SDF）中提取多边形网格的工作，本文提出一种称为 Marching-Primitives 的新方法，直接从 SDF 获得基于基元的抽象。我们的方法通过分析体素连通性并沿不同有符号距离层级行进，迭代地生长几何基元（如超二次曲面）。对于每个有效的感兴趣连通体，我们在能以概率意义提取基元的体素范围内行进，并同时求解基元参数以捕捉底层局部几何。我们在合成与真实世界数据集上评估了方法性能。结果显示所提方法在精度上优于当前最优，且可直接泛化至不同类别与尺度。代码开源于 https://github.com/ChirikjianLab/Marching-Primitives.git。
引用
@article{arxiv.2303.13190,
title = {Marching-Primitives: Shape Abstraction from Signed Distance Function},
author = {Weixiao Liu and Yuwei Wu and Sipu Ruan and Gregory S. Chirikjian},
journal= {arXiv preprint arXiv:2303.13190},
year = {2023}
}
备注
Accepted to CVPR2023 Highlight