論文の概要: CWF: Consolidating Weak Features in High-quality Mesh Simplification
- arxiv url: http://arxiv.org/abs/2404.15661v1
- Date: Wed, 24 Apr 2024 05:37:17 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-26 20:09:25.128795
- Title: CWF: Consolidating Weak Features in High-quality Mesh Simplification
- Title（参考訳）: CWF: 高品質メッシュ単純化における弱機能の統合
- Authors: Rui Xu, Longdu Liu, Ningna Wang, Shuangmin Chen, Shiqing Xin, Xiaohu Guo, Zichun Zhong, Taku Komura, Wenping Wang, Changhe Tu,
- Abstract要約: これらの要件をすべて同時に検討するスムーズな機能を提案する。
この官能基は、通常の異方性項と、セトロイド型ボロノイテッセルレーション(CVT)エネルギー項を含む。
- 参考スコア（独自算出の注目度）: 50.634070540791555
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: In mesh simplification, common requirements like accuracy, triangle quality, and feature alignment are often considered as a trade-off. Existing algorithms concentrate on just one or a few specific aspects of these requirements. For example, the well-known Quadric Error Metrics (QEM) approach prioritizes accuracy and can preserve strong feature lines/points as well but falls short in ensuring high triangle quality and may degrade weak features that are not as distinctive as strong ones. In this paper, we propose a smooth functional that simultaneously considers all of these requirements. The functional comprises a normal anisotropy term and a Centroidal Voronoi Tessellation (CVT) energy term, with the variables being a set of movable points lying on the surface. The former inherits the spirit of QEM but operates in a continuous setting, while the latter encourages even point distribution, allowing various surface metrics. We further introduce a decaying weight to automatically balance the two terms. We selected 100 CAD models from the ABC dataset, along with 21 organic models, to compare the existing mesh simplification algorithms with ours. Experimental results reveal an important observation: the introduction of a decaying weight effectively reduces the conflict between the two terms and enables the alignment of weak features. This distinctive feature sets our approach apart from most existing mesh simplification methods and demonstrates significant potential in shape understanding.
- Abstract（参考訳）: メッシュの単純化では、精度、三角形の品質、機能アライメントといった一般的な要件がトレードオフと見なされることが多い。
既存のアルゴリズムは、これらの要求の1つまたはいくつかの特定の側面にのみ集中する。
例えば、よく知られたQuadric Error Metrics (QEM) アプローチは精度を優先し、強い特徴線や点も維持できるが、高い三角形の品質を保証するには不足し、強い特徴ほど独特でない弱い特徴を劣化させる可能性がある。
本稿では,これらの要件をすべて同時に検討するスムーズな機能を提案する。
関数は通常の異方性項と中心渦渦テッセルレーション(CVT)エネルギー項を含み、変数は表面に配置された可動点の集合である。
前者はQEMの精神を継承するが、連続的な設定で動作し、後者は偶数点分布を奨励し、様々な表面測度を許容する。
さらに、この2つの項を自動的にバランスをとるために、崩壊する重みを導入します。
ABCデータセットから100のCADモデルと21の有機モデルを選択し、既存のメッシュ単純化アルゴリズムを我々のものと比較した。
崩壊重みの導入は、2項間の衝突を効果的に減らし、弱い特徴のアライメントを可能にする。
この特徴は、我々のアプローチを既存のメッシュの単純化方法と区別し、形状理解において有意義な可能性を証明している。
関連論文リスト
- OCMG-Net: Neural Oriented Normal Refinement for Unstructured Point Clouds [18.234146052486054]
非構造点雲から指向性正規項を推定するための頑健な精錬法を提案する。
我々のフレームワークは、初期指向の正規性を洗練させるために、特徴空間に符号配向とデータ拡張を組み込んでいる。
従来手法に存在した騒音による方向の不整合の問題に対処するため, チャンファー正規距離と呼ばれる新しい指標を導入する。
論文 参考訳（メタデータ） (2024-09-02T09:30:02Z) - Fast Point Cloud Geometry Compression with Context-based Residual Coding and INR-based Refinement [19.575833741231953]
我々は、KNN法を用いて、原表面点の近傍を決定する。
条件付き確率モデルは局所幾何学に適応し、大きな速度減少をもたらす。
暗黙のニューラル表現を精製層に組み込むことで、デコーダは任意の密度で下面の点をサンプリングすることができる。
論文 参考訳（メタデータ） (2024-08-06T05:24:06Z) - Message-Passing Monte Carlo: Generating low-discrepancy point sets via Graph Neural Networks [64.39488944424095]
本稿では,Message-Passing Monte Carlo という低差点集合を生成する機械学習手法を提案する。
MPMC点は、低次元と少数の点との差に関して、最適かほぼ最適であることが実証的に示されている。
論文 参考訳（メタデータ） (2024-05-23T21:17:20Z) - Machine learning a fixed point action for SU(3) gauge theory with a gauge equivariant convolutional neural network [0.0]
固定点格子作用は、離散化効果や量子レベルでの格子アーチファクトの減少の影響を受けない連続古典的性質を持つように設計されている。
ここでは、機械学習手法を用いて、固定点アクションのパラメータ化方法に関する質問を再考する。
論文 参考訳（メタデータ） (2024-01-12T10:03:00Z) - FIT: A Metric for Model Sensitivity [1.2622086660704197]
本稿では、フィッシャー情報と量子化のモデルを組み合わせたFITを提案する。
FITは再トレーニングなしにネットワークの最終的な性能を推定できる。
FITは既存の手法と比較して高速に計算でき、良好な収束特性を示す。
論文 参考訳（メタデータ） (2022-10-16T10:25:29Z) - BIMS-PU: Bi-Directional and Multi-Scale Point Cloud Upsampling [60.257912103351394]
我々はBIMS-PUと呼ばれる新しいポイント・クラウド・アップサンプリング・パイプラインを開発した。
対象のサンプリング因子を小さな因子に分解することにより,アップ/ダウンサンプリング手順をいくつかのアップ/ダウンサンプリングサブステップに分解する。
提案手法は最先端手法よりも優れた結果が得られることを示す。
論文 参考訳（メタデータ） (2022-06-25T13:13:37Z) - A Model for Multi-View Residual Covariances based on Perspective
Deformation [88.21738020902411]
マルチビューSfM, オードメトリ, SLAMセットアップにおける視覚的残差の共分散モデルの導出を行う。
我々は、合成データと実データを用いてモデルを検証し、それを光度および特徴量に基づくバンドル調整に統合する。
論文 参考訳（メタデータ） (2022-02-01T21:21:56Z) - Toward Minimal Misalignment at Minimal Cost in One-Stage and Anchor-Free
Object Detection [6.486325109549893]
分類と回帰の分岐は、同じ規模と同じ空間的位置から特徴に対して異なる感受性を持つ。
本稿では,高い分類信頼点が高い回帰品質を持つという仮定に基づいて,点に基づく予測手法を提案する。
我々は,この現象を最小限のコストで解決することを目指しており,頭部ネットワークの微調整と,剛体ネットワークを置き換えた新しいラベル割り当て手法を提案する。
論文 参考訳（メタデータ） (2021-12-16T14:22:13Z) - PU-Flow: a Point Cloud Upsampling Networkwith Normalizing Flows [58.96306192736593]
本稿では,正規化フローを組み込んだPU-Flowについて述べる。
具体的には、重みが局所的な幾何学的文脈から適応的に学習される潜在空間において、アップサンプリング過程を点として定式化する。
提案手法は, 再現性, 近接精度, 計算効率の観点から, 最先端の深層学習手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2021-07-13T07:45:48Z) - Dense Non-Rigid Structure from Motion: A Manifold Viewpoint [162.88686222340962]
Non-Rigid Structure-from-Motion (NRSfM) 問題は、複数のフレームにまたがる2次元特徴対応から変形物体の3次元形状を復元することを目的としている。
提案手法は,ノイズに対する精度,スケーラビリティ,堅牢性を大幅に向上させる。
論文 参考訳（メタデータ） (2020-06-15T09:15:54Z)
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。