从有符号距离界提取多边形的快速算法的理论与经验分析
图形学
2024-04-08 v2 计算几何
计算机视觉与模式识别
摘要
近来，由于其用于 3D 形状建模的独特性质，有符号距离界表示重新引起了关注。对于基于深度学习的边界而言尤其如此。然而，在大多数计算机图形学应用中，使用多边形是有益的。因此，在本文中我们引入并研究了一种将有符号距离界转换为多边形网格的渐近快速方法。这是通过将球体追踪（或光线步进）的原理与传统多边形化技术（如 Marching Cubes）相结合来实现的。我们提供理论和实验证据，表明对于具有 个单元的多边形化网格，该方法具有 的计算复杂度。该算法在一组基本形状以及由机器学习从点云生成的有符号距离界（并表示为神经网络）上进行了测试。鉴于其速度、实现简单性和可移植性，我们认为它可能在建模阶段以及用于存储的形状压缩中证明是有用的。代码可在此处获取：https://github.com/nenadmarkus/gridhopping
引用
@article{arxiv.2111.05778,
title = {Theoretical and Empirical Analysis of a Fast Algorithm for Extracting Polygons from Signed Distance Bounds},
author = {Nenad Markuš and Mirko Sužnjević},
journal= {arXiv preprint arXiv:2111.05778},
year = {2024}
}