論文の概要: TetGAN: A Convolutional Neural Network for Tetrahedral Mesh Generation
- arxiv url: http://arxiv.org/abs/2210.05735v1
- Date: Tue, 11 Oct 2022 19:03:22 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-13 13:44:59.430360
- Title: TetGAN: A Convolutional Neural Network for Tetrahedral Mesh Generation
- Title(参考訳): TetGAN:tetrahedral Mesh生成のための畳み込みニューラルネットワーク
- Authors: William Gao, April Wang, Gal Metzer, Raymond A. Yeh, Rana Hanocka
- Abstract要約: 四面体メッシュを生成するために設計された畳み込みニューラルネットワークTetGANを提案する。
我々の定式化は、四面体畳み込み、プーリング、アップサンプリング操作の定義を可能にする。
本稿では,テトラヘドラルメッシュを意味的に意味のある潜在空間にエンコードする手法について述べる。
- 参考スコア(独自算出の注目度): 22.302674091474838
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present TetGAN, a convolutional neural network designed to generate
tetrahedral meshes. We represent shapes using an irregular tetrahedral grid
which encodes an occupancy and displacement field. Our formulation enables
defining tetrahedral convolution, pooling, and upsampling operations to
synthesize explicit mesh connectivity with variable topological genus. The
proposed neural network layers learn deep features over each tetrahedron and
learn to extract patterns within spatial regions across multiple scales. We
illustrate the capabilities of our technique to encode tetrahedral meshes into
a semantically meaningful latent-space which can be used for shape editing and
synthesis. Our project page is at https://threedle.github.io/tetGAN/.
- Abstract(参考訳): 四面体メッシュを生成するために設計された畳み込みニューラルネットワークTetGANを提案する。
占有と変位場を符号化する不規則な四面体格子を用いて形状を表現する。
我々の定式化により、四面体畳み込み、プーリング、アップサンプリング操作を定義し、可変トポロジカル属との明示的なメッシュ接続を合成することができる。
提案するニューラルネットワーク層は,各テトラヘドロンの深い特徴を学習し,複数のスケールにわたる空間領域内のパターンを抽出する。
本稿では,四面体メッシュを意味的に意味のある潜在空間に符号化し,形状の編集や合成に利用できる手法について述べる。
私たちのプロジェクトページはhttps:// Threedle.github.io/tetGAN/です。
関連論文リスト
- DMesh: A Differentiable Mesh Representation [40.800084296073415]
DMeshは一般的な3次元三角形メッシュの微分可能表現である。
まず、重み付きデラウネー三角測量(WDT)に基づいて、領域をコンパクトにテセルレートする凸四面体(convex tetrahedra)の集合を得る。
我々は、WDTに基づいて、実際の表面に存在する顔の確率を微分可能な方法で定式化する。
論文 参考訳(メタデータ) (2024-04-20T18:52:51Z) - Neural Impostor: Editing Neural Radiance Fields with Explicit Shape
Manipulation [49.852533321916844]
マルチグリッドの暗黙の場とともに、明示的な四面体メッシュを組み込んだハイブリッド表現であるNeural Impostorを導入する。
我々のフレームワークは、多グリッドのバリ中心座標符号化を利用して、暗黙のフィールドの明示的な形状操作と幾何的編集を橋渡しする。
合成オブジェクトと実際のキャプチャデータの両方を編集するなど、多様な例や実験を通して、システムの堅牢性と適応性を示す。
論文 参考訳(メタデータ) (2023-10-09T04:07:00Z) - Neural Contourlet Network for Monocular 360 Depth Estimation [37.82642960470551]
我々は360度画像の解釈可能かつスパースな表現を構築する新しい視点を提供する。
本稿では,畳み込み型ニューラルネットワークと畳み込み型トランスフォーメーションブランチからなる,畳み込み型ニューラルネットワークを提案する。
エンコーダの段階では、2種類のキューを効果的に融合させる空間スペクトル融合モジュールを設計する。
論文 参考訳(メタデータ) (2022-08-03T02:25:55Z) - Laplacian2Mesh: Laplacian-Based Mesh Understanding [4.808061174740482]
我々は3次元トライアングルメッシュのための新しいフレキシブル畳み込みニューラルネットワーク(CNN)モデルであるLaplacian2Meshを紹介した。
メッシュプーリングはラプラシアンの多空間変換によりネットワークの受容場を拡張するために適用される。
3Dメッシュに適用されたさまざまな学習タスクの実験は、Laplacian2Meshの有効性と効率を実証している。
論文 参考訳(メタデータ) (2022-02-01T10:10:13Z) - Deep Marching Tetrahedra: a Hybrid Representation for High-Resolution 3D
Shape Synthesis [90.26556260531707]
DMTetは粗いボクセルのような単純なユーザーガイドを用いて高解像度の3次元形状を合成できる条件付き生成モデルである。
メッシュなどの明示的な表現を直接生成する深部3次元生成モデルとは異なり、我々のモデルは任意の位相で形状を合成することができる。
論文 参考訳(メタデータ) (2021-11-08T05:29:35Z) - Neural Marching Cubes [14.314650721573743]
我々は、離散化された暗黙の場から三角形メッシュを抽出するデータ駆動型アプローチであるNeural Marching Cubes (NMC)を紹介する。
我々のネットワークは、限られたフィールドで局所的な特徴を学習し、新しい形状や新しいデータセットによく適応することを示す。
論文 参考訳(メタデータ) (2021-06-21T17:18:52Z) - Learning Deformable Tetrahedral Meshes for 3D Reconstruction [78.0514377738632]
学習に基づく3次元再構成に対応する3次元形状表現は、機械学習とコンピュータグラフィックスにおいてオープンな問題である。
ニューラル3D再構成に関するこれまでの研究は、利点だけでなく、ポイントクラウド、ボクセル、サーフェスメッシュ、暗黙の関数表現といった制限も示していた。
Deformable Tetrahedral Meshes (DefTet) を, ボリューム四面体メッシュを再構成問題に用いるパラメータ化として導入する。
論文 参考訳(メタデータ) (2020-11-03T02:57:01Z) - 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) - Deep Geometric Texture Synthesis [83.9404865744028]
幾何学的テクスチャを合成するための新しい枠組みを提案する。
単一の参照3Dモデルの局所的な近傍からテクスチャ統計を学習する。
我々のネットワークはメッシュ頂点を任意の方向に変位させ、幾何学的テクスチャの合成を可能にする。
論文 参考訳(メタデータ) (2020-06-30T19:36:38Z) - Neural Subdivision [58.97214948753937]
本稿では,データ駆動型粗粒度モデリングの新しいフレームワークであるNeural Subdivisionを紹介する。
すべてのローカルメッシュパッチで同じネットワーク重みのセットを最適化するため、特定の入力メッシュや固定属、カテゴリに制約されないアーキテクチャを提供します。
単一の高分解能メッシュでトレーニングしても,本手法は新規な形状に対して合理的な区分を生成する。
論文 参考訳(メタデータ) (2020-05-04T20:03:21Z)
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。