BriefGPT - AI 论文速递
·
基于双覆盖的无符号距离场鲁棒零级集提取
💡
原文中文，约500字，阅读约需2分钟。
📝
内容提要
本文提出了一种名为DoubleCoverUDF的新方法，用于从无符号距离场中提取零水平集。该方法通过使用标准的Marching Cubes算法，使用学习得到的UDF和用户指定的参数r提取具有等值r的等值面。实验结果表明，与现有的基于UDF的方法相比，我们的方法具有更好的视觉评估和定量指标。
🎯
关键要点
- 提出了一种名为DoubleCoverUDF的新方法，用于从无符号距离场中提取零水平集。
- 该方法使用标准的Marching Cubes算法，结合学习得到的UDF和用户指定的参数r提取等值面。
- 计算得到的等值面是目标零水平集的r-偏移体的边界，适用于不同拓扑结构的S。
- 算法通过覆盖映射将边界网格投影到S上，保持网格的拓扑结构并避免折叠。
- 如果S是可定向流形表面，算法可以通过最小割后处理步骤将双层网格分割成单层。
- 通过对开放模型的三维表面重建和合成模型及基准数据集的实验验证了算法的有效性。
- 实验结果显示，与现有基于UDF的方法相比，DoubleCoverUDF在视觉评估和定量指标上表现更佳。
➡️
