論文の概要: Learning and Meshing from Deep Implicit Surface Networks Using an
Efficient Implementation of Analytic Marching
- arxiv url: http://arxiv.org/abs/2106.10031v1
- Date: Fri, 18 Jun 2021 10:06:28 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-21 14:00:51.479919
- Title: Learning and Meshing from Deep Implicit Surface Networks Using an
Efficient Implementation of Analytic Marching
- Title（参考訳）: 解析マーチングの効率的な実装による深層表面ネットワークからの学習とメッシュ化
- Authors: Jiabao Lei, Kui Jia, Yi Ma
- Abstract要約: ゼロレベル集合が基底表面を捕捉する暗黙の場関数から表面メッシュを復元する問題について検討する。
既存の手法は従来のメッシュアルゴリズムに依存しているが、将来性はあるものの、暗黙のサーフェスネットワークで学んだ精度の喪失に悩まされている。
本稿では,解析セル間を行ない,暗黙のサーフェスネットワークによって捕捉されたメッシュを正確に回復する解析マーチング法を提案する。
- 参考スコア（独自算出の注目度）: 44.593867904951175
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Reconstruction of object or scene surfaces has tremendous applications in
computer vision, computer graphics, and robotics. In this paper, we study a
fundamental problem in this context about recovering a surface mesh from an
implicit field function whose zero-level set captures the underlying surface.
To achieve the goal, existing methods rely on traditional meshing algorithms;
while promising, they suffer from loss of precision learned in the implicit
surface networks, due to the use of discrete space sampling in marching cubes.
Given that an MLP with activations of Rectified Linear Unit (ReLU) partitions
its input space into a number of linear regions, we are motivated to connect
this local linearity with a same property owned by the desired result of
polygon mesh. More specifically, we identify from the linear regions,
partitioned by an MLP based implicit function, the analytic cells and analytic
faces that are associated with the function's zero-level isosurface. We prove
that under mild conditions, the identified analytic faces are guaranteed to
connect and form a closed, piecewise planar surface. Based on the theorem, we
propose an algorithm of analytic marching, which marches among analytic cells
to exactly recover the mesh captured by an implicit surface network. We also
show that our theory and algorithm are equally applicable to advanced MLPs with
shortcut connections and max pooling. Given the parallel nature of analytic
marching, we contribute AnalyticMesh, a software package that supports
efficient meshing of implicit surface networks via CUDA parallel computing, and
mesh simplification for efficient downstream processing. We apply our method to
different settings of generative shape modeling using implicit surface
networks. Extensive experiments demonstrate our advantages over existing
methods in terms of both meshing accuracy and efficiency.
- Abstract（参考訳）: 物体やシーンの表面の再構成はコンピュータビジョン、コンピュータグラフィックス、ロボット工学に多大な応用がある。
本稿では,ゼロレベル集合が基底表面をキャプチャする暗黙の場関数から表面メッシュを復元する,この文脈における根本的な問題について検討する。
この目的を達成するために、既存の手法は従来のメッシュアルゴリズムに依存しており、有望ではあるが、マーチングキューブで離散的な空間サンプリングを使用することにより、暗黙の表面ネットワークで学んだ精度の喪失に悩まされている。
Rectified Linear Unit (ReLU) の活性化を伴う MLP が入力空間を複数の線形領域に分割することを考えると、我々はこの局所線型性をポリゴンメッシュの所望の結果が持つ同じ性質と結びつける動機付けとなる。
より具体的には,MLPに基づく暗黙関数,解析セル,解析面によって区切られた線形領域から,関数のゼロレベルアイソサーフェスに関連付けられた領域を同定する。
穏やかな条件下では、識別された分析面は、閉じた平面面を形成することが保証される。
この定理に基づき,解析セル間を行進して暗黙的表面ネットワークで捕捉されたメッシュを正確に復元する解析的マーチングのアルゴリズムを提案する。
また,本理論とアルゴリズムは近距離接続と最大プーリングを持つ先進mlpにも等しく適用可能であることを示した。
解析マーチングの並列性を考えると、CUDA並列コンピューティングによる暗黙のサーフェスネットワークの効率的なメッシュ化と、効率的な下流処理のためのメッシュ単純化をサポートするソフトウェアパッケージであるAnalyticMeshにコントリビュートする。
本手法を暗黙の曲面ネットワークを用いた生成形状モデリングの異なる設定に適用する。
大規模な実験は、メッシュの精度と効率の両面から、既存の手法に対する利点を実証している。
関連論文リスト
- SpaceMesh: A Continuous Representation for Learning Manifold Surface Meshes [61.110517195874074]
本稿では,ニューラルネットワークの出力として,複雑な接続性を持つ多様体多角形メッシュを直接生成する手法を提案する。
私たちの重要なイノベーションは、各メッシュで連続的な遅延接続空間を定義することです。
アプリケーションでは、このアプローチは生成モデルから高品質な出力を得るだけでなく、メッシュ修復のような挑戦的な幾何処理タスクを直接学習することを可能にする。
論文 参考訳（メタデータ） (2024-09-30T17:59:03Z) - Explicit Neural Surfaces: Learning Continuous Geometry With Deformation
Fields [33.38609930708073]
本稿では、既知の基底領域からの変形場と位相をエンコードする効率的な滑らかな表面表現であるExplicit Neural Surfaces (ENS)を紹介する。
暗黙の面と比較して、ENSは高速で、数桁の速度で推論を行うことができる。
論文 参考訳（メタデータ） (2023-06-05T15:24:33Z) - Spelunking the Deep: Guaranteed Queries for General Neural Implicit
Surfaces [35.438964954948574]
この研究は、広範囲の既存アーキテクチャに対して、一般的なニューラル暗黙関数でクエリを直接実行するための新しいアプローチを示す。
私たちのキーとなるツールは、ニューラルネットワークへのレンジ分析の適用であり、ネットワークの出力を領域を越えてバウンドするために自動演算ルールを使用します。
得られた境界を用いて、レイキャスト、交差試験、空間階層の構築、高速メッシュ抽出、最近点評価などのクエリを開発する。
論文 参考訳（メタデータ） (2022-02-05T00:37:08Z) - Deep Implicit Surface Point Prediction Networks [49.286550880464866]
暗黙の関数としての3次元形状の深い神経表現は、高忠実度モデルを生成することが示されている。
本稿では,CSP(Nest Surface-point)表現と呼ばれる新しい種類の暗黙の表現を用いて,そのような曲面をモデル化する新しいアプローチを提案する。
論文 参考訳（メタデータ） (2021-06-10T14:31:54Z) - Primal-Dual Mesh Convolutional Neural Networks [62.165239866312334]
本稿では,グラフ・ニューラル・ネットワークの文献からトライアングル・メッシュへ引き起こされた原始双対のフレームワークを提案する。
提案手法は,3次元メッシュのエッジと顔の両方を入力として特徴付け,動的に集約する。
メッシュ単純化の文献から得られたツールを用いて、我々のアプローチに関する理論的知見を提供する。
論文 参考訳（メタデータ） (2020-10-23T14:49:02Z) - A Point-Cloud Deep Learning Framework for Prediction of Fluid Flow
Fields on Irregular Geometries [62.28265459308354]
ネットワークは空間位置とCFD量のエンドツーエンドマッピングを学習する。
断面形状の異なるシリンダーを過ぎる非圧縮層状定常流を考察する。
ネットワークは従来のCFDの数百倍の速さで流れ場を予測する。
論文 参考訳（メタデータ） (2020-10-15T12:15:02Z) - Analytic Marching: An Analytic Meshing Solution from Deep Implicit
Surface Networks [41.53235997155387]
深層学習表面再構成の新たな分野における暗黙の関数による表面メッシュの学習問題について検討する。
学習した暗黙関数からメッシュ化を実現するため、既存の手法ではマーチングキューブのデファクト標準アルゴリズムを採用している。
そこで本研究では,解析セル間で並列化可能な解析マーチングアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-02-16T15:36:19Z) - A deep learning approach for the computation of curvature in the
level-set method [0.0]
そこで本研究では,2次元暗黙曲線の平均曲率をレベルセット法で推定する手法を提案する。
我々のアプローチは、様々な解像度の均一な格子に没入した円柱から構築された合成データセットにフィードフォワードニューラルネットワークを適合させることに基づいている。
論文 参考訳（メタデータ） (2020-02-04T00:49:47Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。