NeuraLeaf：具备形状与变形解耦的神经参数化叶子模型
计算机视觉与模式识别
2025-08-08 v2 图形学
摘要
我们构建了一种用于植物建模与重建的3D叶子神经参数化模型，农业与计算机图形学领域均依赖该技术。虽然神经参数化模型在人类和动物领域已广受关注，但植物叶子因其形状多样且可变形而面临独特挑战。为此，我们提出了一种叶子神经参数化模型，命名为NeuraLeaf。我们利用展开后叶子形状可近似为二维平面的事实，NeuraLeaf将叶子几何结构解耦为二维基础形状与3D变形。这种表征方式允许我们从丰富的二维叶子图像数据集中学习基础形状，并且具有同时学习与几何对齐的纹理的优势。为建模3D变形，我们提出了一种无骨骼的皮肤模型，并构建了一个新收集的3D叶子数据集，名为DeformLeaf。我们展示了NeuraLeaf成功生成多样化的叶子形状并进行变形，实现对深度图和点云等3D观测数据的精准模型拟合。我们的实现与数据集已在 https://neuraleaf-yang.github.io/ 上提供。
引用
@article{arxiv.2507.12714,
title = {NeuraLeaf: Neural Parametric Leaf Models with Shape and Deformation Disentanglement},
author = {Yang Yang and Dongni Mao and Hiroaki Santo and Yasuyuki Matsushita and Fumio Okura},
journal= {arXiv preprint arXiv:2507.12714},
year = {2025}
}
备注
IEEE/CVF International Conference on Computer Vision (ICCV 2025), Highlight, Project: https://neuraleaf-yang.github.io/