PoNQ: 基于神经量化嵌网的网格表示
原文中文，约400字，阅读约需1分钟。发表于：。通过本文，我们引入了一种新型的可学习网格表示方法，通过一组局部三维样本点、法线和二次误差度量（QEM）相对于底层形状的获取，我们将其称为 PoNQ。我们通过高效地利用局部二次误差的知识，直接从 PoNQ 中获取全局网格，并确保了拓扑和几何特性，使 PoNQ 网格不自相交且始终是一个边界体积。值得注意的是，我们的表示方法不依赖于正规网格，仅由目标表面进行监督，并且还能处理具有边界和 /...
本文介绍了一种名为PoNQ的新型可学习网格表示方法，通过局部样本点、法线和误差度量获取全局网格，保持拓扑和几何特性，能处理开放表面。通过学习的网格预测，展示了PoNQ的有效性，超过了最近的研究技术。
