基于Monge-Ampere正则化从点云学习任意形状
原文中文，约300字，阅读约需1分钟。发表于：。本研究针对传统有符号距离函数在建模多样表面时的不足，提出了缩放平方距离函数（S$^{2}$DF），一种新型的隐式表面表示方法。S$^{2}$DF有效解决了无符号距离函数在零水平集处的不可微性问题，并且通过Monge-Ampere正则化，无需真实S$^{2}$DF值的监督即可从原始无方向点云中直接学习S$^{2}$DF，实验结果表明该方法在多个数据集上显著优于现有的需要真实值监督的监督方法。
本研究提出了一种缩放平方距离函数（S²DF），旨在解决传统有符号距离函数在建模复杂表面时的不足。S²DF有效应对零水平集的不可微性问题，并通过Monge-Ampere正则化技术，无需真实值监督即可从无方向点云中进行学习。实验结果表明，该方法在多个数据集上优于现有的监督学习方法。
