BriefGPT - AI 论文速递
·
Diffusion 3D 特征（Diff3F）：用精炼的语义特征装饰无纹理形状
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
我们提出了Diff3F作为一种特征描述符，可用于计算无纹理输入形状。通过使用输入形状生成深度和法线图作为条件图像合成的指导，我们能够在2D上生成特征，并在原始表面上进行提升和聚合。我们的特征能够在同构和非同构相关的形状族之间产生可靠的对应关系。
🎯
关键要点
- 提出了Diff3F作为一种特征描述符，用于计算无纹理输入形状（网格或点云）。
- 方法从图像基础模型中提取扩散特征到输入形状。
- 通过生成深度和法线图作为条件图像合成的指导，在2D上生成特征，并在原始表面上进行提升和聚合。
- 即使条件图像生成结果不一致，相关的图像特征依然稳健，可以在视图间聚合。
- 生成的特征是语义特征，无需额外的数据或训练。
- 在多个基准测试（SHREC'19、SHREC'20 和 TOSCA）上进行了实验证明，特征能够在同构和非同构相关的形状族之间产生可靠的对应关系。
➡️
