NeuroGF：一种用于快速测地距离与路径查询的神经表示
计算机视觉与模式识别
2023-10-02 v3
摘要
测地线在许多几何处理应用中至关重要。然而，传统用于在 3D 网格模型上计算测地距离与路径的算法通常效率低且缓慢。这使得它们难以用于需要大量查询任意点对测地线的场景。尽管神经隐式表示已成为表示 3D 形状几何的一种流行方式，目前仍无关于用深度隐式函数表示测地线的研究。为弥补这一空白，本文首次尝试使用神经隐式函数表示 3D 网格模型上的测地线。具体而言，我们引入神经测地场（NeuroGFs），其经学习可表示给定网格的全点对测地线。通过使用 NeuroGFs，我们可高效且精确地回答任意点对测地距离与路径的查询，克服传统算法的局限。在常见 3D 模型上的评估表明，NeuroGFs 在求解单源全目标（SSAD）与点对点测地线方面表现出卓越性能，并始终保持高精度。此外，NeuroGFs 还提供将 3D 几何与测地线统一于一种表示中的独特优势。进而，我们通过添加形状特征编码器进一步扩展 NeuroGFs 的可泛化学习框架，其对未见形状与类别也展现出令人满意的性能。代码见 https://github.com/keeganhk/NeuroGF/tree/master。
引用
@article{arxiv.2306.00658,
title = {NeuroGF: A Neural Representation for Fast Geodesic Distance and Path Queries},
author = {Qijian Zhang and Junhui Hou and Yohanes Yudhi Adikusuma and Wenping Wang and Ying He},
journal= {arXiv preprint arXiv:2306.00658},
year = {2023}
}
备注
accepted to NeurIPS 2023