SweepNet：通过神经扫掠器实现无监督形状抽象
计算机视觉与模式识别
2024-07-10 v1 图形学
摘要
形状抽象是一种简化复杂几何结构同时保留关键特征的重要任务。扫掠曲面在此过程中发挥着重要作用，能够有效地捕获和表示物体几何结构，从而促进抽象。在本文中，我们提出了\papername，这是一种通过扫掠曲面实现形状抽象的新方法。我们提出了一种有效的扫掠曲面参数化方法，采用超椭圆表示轮廓，采用 B 样条曲线表示轴。这一紧凑的表示方法仅需 14 个浮点数，便于直观且交互式编辑，同时有效保留形状细节。此外，通过引入可微的神经扫掠器和编码器-解码器架构，我们展示了在无监督条件下预测扫掠曲面表示的能力。我们通过文中进行了多个定量和定性实验，显示了我们模型的优越性。我们的代码可在 https://mingrui-zhao.github.io/SweepNet/ 上获取。
引用
@article{arxiv.2407.06305,
title = {SweepNet: Unsupervised Learning Shape Abstraction via Neural Sweepers},
author = {Mingrui Zhao and Yizhi Wang and Fenggen Yu and Changqing Zou and Ali Mahdavi-Amiri},
journal= {arXiv preprint arXiv:2407.06305},
year = {2024}
}
备注
14 pages,20 figures, ECCV 2024