MDNF：网格上神经场的多扩散网络
原文中文，约400字，阅读约需1分钟。发表于：。本研究解决了在三角网格上表征神经场时缺乏适应性分辨率的问题。提出了一种新颖的多分辨率框架，结合空间和频率领域，通过多种扩散网络组件实现几何感知的空间分解，最终以小波启发的方式组合信号。实验表明，该框架在学习复杂神经场方面表现出高精度和鲁棒性，能够有效应对分歧、目标场的指数尺度变化及网格修改等挑战。
该文章介绍了一种基于内在隐性扩散模型的框架，用于在3D形状表面上合成高质量纹理。该方法通过对网格顶点上的离散矢量场编码纹理的隐式表示和学习在表面上的学习隐空间中去噪扩散过程的隐性扩散模型，实现了生成具有较高保真度的纹理。该框架还具有用户控制的编辑功能，如修复缺失和标签引导的生成。该方法具有等变性，能够在局部相似区域之间无缝复现细节，并打开了生成纹理迁移的可能性。
