BriefGPT - AI 论文速递
·
SuperUDF: 自监督的 UDF 估计用于表面重建
💡
原文中文，约500字，阅读约需2分钟。
📝
内容提要
本文介绍了一种基于无符号距离函数（UDF）的基于学习的表面重建方法SuperUDF，利用学习的几何先验进行高效训练，并采用新的正则化方法提高对稀疏采样的鲁棒性。实验结果表明，SuperUDF在多个公共数据集上的质量和效率优于现有技术。
🎯
关键要点
-
提出了一种基于无符号距离函数（UDF）的学习表面重建方法SuperUDF。
-
SuperUDF利用学习的几何先验进行高效训练。
-
采用新颖的正则化方法提高对稀疏采样的鲁棒性。
-
SuperUDF的核心思想受到局部最优投影（LOP）经典表面逼近算子的启发。
-
设计了一系列关于UDF几何和预先学习的几何先验的归纳偏差。
-
提出了一种新颖的正则化损失，使SuperUDF对稀疏采样具有鲁棒性。
-
贡献了一种基于学习的网格提取方法，从估计的UDF中获取网格。
-
实验结果表明，SuperUDF在多个公共数据集上的质量和效率优于现有技术。
➡️
