基于隐式神经表示的空间自适应布料回归
计算机视觉与模式识别
2023-11-29 v1 图形学
摘要
精细布料褶皱的准确表示在计算机图形学中提出了重大挑战。布料褶皱固有的非均匀结构要求采用复杂的离散化策略，这些策略常以高计算需求和复杂方法为特征。为此，本文介绍的研究阐明了一种新颖的各向异性布料回归技术，其利用了表面隐式神经表示的潜力。我们的第一个核心贡献是一种创新的免网格采样方法，旨在减少对传统网格结构的依赖，从而在捕捉精细布料细节时提供更大的灵活性和准确性。我们的第二个贡献是一种新颖的对抗训练方案，其经过精心设计并旨在协调采样与仿真目标之间的平衡。该对抗方法确保褶皱以高保真度表示，同时保持计算效率。我们的结果通过各种布料-物体交互场景表明，在相同内存约束下，我们的方法始终超越传统离散表示，尤其在建模高度精细的局部褶皱时。
引用
@article{arxiv.2311.16344,
title = {Spatially Adaptive Cloth Regression with Implicit Neural Representations},
author = {Lei Shu and Vinicius Azevedo and Barbara Solenthaler and Markus Gross},
journal= {arXiv preprint arXiv:2311.16344},
year = {2023}
}
备注
16 pages, 13 figures