論文の概要: Quasi-Medial Distance Field (Q-MDF): A Robust Method for Approximating and Discretizing Neural Medial Axis

• arxiv url: http://arxiv.org/abs/2410.17774v1
• Date: Wed, 23 Oct 2024 11:23:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-24 13:55:01.518558
• Title: Quasi-Medial Distance Field (Q-MDF): A Robust Method for Approximating and Discretizing Neural Medial Axis
• Title（参考訳）: 準媒介距離場(Q-MDF):ニューラル媒介軸の近似と判別のためのロバスト法
• Authors: Jiayi Kong, Chen Zong, Jun Luo, Shiqing Xin, Fei Hou, Hanqing Jiang, Chen Qian, Ying He,
• Abstract要約: 本稿では,主流の明示的媒介軸計算手法から分岐する新しい暗黙的手法を提案する。 本手法は,トーンメッシュと点雲からのコンパクト媒質軸変換を学習する際の精度とロバスト性を向上する。
• 参考スコア（独自算出の注目度）: 18.625439577873152
• License:
• Abstract: The medial axis, a lower-dimensional shape descriptor, plays an important role in the field of digital geometry processing. Despite its importance, robust computation of the medial axis transform from diverse inputs, especially point clouds with defects, remains a significant challenge. In this paper, we tackle the challenge by proposing a new implicit method that diverges from mainstream explicit medial axis computation techniques. Our key technical insight is the difference between the signed distance field (SDF) and the medial field (MF) of a solid shape is the unsigned distance field (UDF) of the shape's medial axis. This allows for formulating medial axis computation as an implicit reconstruction problem. Utilizing a modified double covering method, we extract the medial axis as the zero level-set of the UDF. Extensive experiments show that our method has enhanced accuracy and robustness in learning compact medial axis transform from thorny meshes and point clouds compared to existing methods.
• Abstract（参考訳）: 低次元形状記述子である媒体軸は、デジタル幾何学処理の分野において重要な役割を果たす。 その重要性にもかかわらず、様々な入力、特に欠陥のある点雲から媒介軸の頑健な計算は依然として大きな課題である。 本稿では,主流の明示的媒介軸計算手法から分岐する新しい暗黙的手法を提案する。 我々の重要な技術的洞察は、署名された距離場(SDF)と固体形状の媒質場(MF)との差が、その形状の媒質軸の符号なし距離場(UDF)であるということである。 これにより、暗黙の再構成問題として媒体軸計算を定式化することができる。 修正二重被覆法を用いて,媒体軸をUDFのゼロレベルセットとして抽出する。 提案手法は,従来の手法と比較して,トーンメッシュや点雲からのコンパクトな媒質軸変換の学習において,精度と堅牢性を向上したことを示す。

関連論文リスト

• Implicit-ARAP: Efficient Handle-Guided Deformation of High-Resolution Meshes and Neural Fields via Local Patch Meshing [18.353444950896527]
  本稿では,ニューラルサインされた距離場に対する局所パッチメッシュ表現について述べる。 この技術は、フラットパッチメッシュをレベルセット面に投影し変形させることにより、入力SDFのレベルセットの局所領域を識別することができる。 我々は,高分解能メッシュとニューラルフィールドのAs-Rigid-As-Possible変形を計算するために,3次元ニューラルネットワークを利用する2つの異なるパイプラインを導入する。
  論文  参考訳（メタデータ） (2024-05-21T16:04:32Z)
• Unsupervised Occupancy Learning from Sparse Point Cloud [8.732260277121547]
  Inlicit Neural Representationsは、複雑なデータモダリティをキャプチャする強力なフレームワークとして注目されている。 本稿では,ニューラルサイン付き距離関数の代わりに占有領域を推定する手法を提案する。 ベースラインに対する暗黙の形状推論を改善する能力と、合成データと実データを用いた最先端技術について強調する。
  論文  参考訳（メタデータ） (2024-04-03T14:05:39Z)
• GeoUDF: Surface Reconstruction from 3D Point Clouds via Geometry-guided Distance Representation [73.77505964222632]
  スパース点雲から離散曲面を再構成する問題に対処する学習ベース手法であるGeoUDFを提案する。 具体的には、UDFのための幾何誘導学習法とその勾配推定を提案する。 予測されたUDFから三角形メッシュを抽出するために,カスタマイズされたエッジベースマーチングキューブモジュールを提案する。
  論文  参考訳（メタデータ） (2022-11-30T06:02:01Z)
• f-DM: A Multi-stage Diffusion Model via Progressive Signal Transformation [56.04628143914542]
  拡散モデル(DM)は、最近、様々な領域で生成モデリングを行うためのSoTAツールとして登場した。 本稿では、プログレッシブ信号変換が可能なDMの一般化されたファミリであるf-DMを提案する。 我々は、ダウンサンプリング、ぼやけ、学習された変換を含む様々な機能を持つ画像生成タスクにf-DMを適用した。
  論文  参考訳（メタデータ） (2022-10-10T18:49:25Z)
• A coarse space acceleration of deep-DDM [0.0]
  我々は最近提案されたPDEの解法に対するディープ・ダム・アプローチの拡張について述べる。 粗い空間補正は、解法の収束の劣化を軽減することができることを示す。 実験により,本手法は深部ddm法の顕著な加速を誘導することが示された。
  論文  参考訳（メタデータ） (2021-12-07T14:41:28Z)
• MeshUDF: Fast and Differentiable Meshing of Unsigned Distance Field Networks [68.82901764109685]
  3次元オープンサーフェスモデリングによる深部ニューラルネットワークの非符号距離場(UDF)近似に関する研究 本研究では, 平面交差を局所的に検出することにより, 深部UDFを開放面としてマーチング立方体の拡張により直接メッシュ化することを提案する。 本手法は高密度の点雲のメッシュよりも桁違いに高速であり,開面の膨張よりも高精度である。
  論文  参考訳（メタデータ） (2021-11-29T14:24:02Z)
• 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)
• Deep Medial Fields [31.369706127736734]
  占拠場や符号付き距離場(SDF)のような幾何学の暗黙の表現は、最近、機能的な形で3Dソリッドな形状の符号化において、再び人気が高まっている。 本稿では,媒体軸変換(MAT)から導かれるフィールド関数であるメディカル場を導入し,基礎となる3次元幾何学に関する情報を提供する。
  論文  参考訳（メタデータ） (2021-06-07T17:15:38Z)
• Cosine-Pruned Medial Axis: A new method for isometric equivariant and noise-free medial axis extraction [0.0]
  異方性変換に同値なノイズロバスト性と等価性を有する新しい媒体軸プルーニング法であるCPMAを提案する。 円滑な形状を使ってスコア関数 $scorefunction$ を計算し、中間軸からの分岐をフィルタリングします。
  論文  参考訳（メタデータ） (2020-12-05T00:44:05Z)
• Deep Magnification-Flexible Upsampling over 3D Point Clouds [103.09504572409449]
  本稿では,高密度点雲を生成するためのエンドツーエンド学習ベースのフレームワークを提案する。 まずこの問題を明示的に定式化し、重みと高次近似誤差を判定する。 そこで我々は,高次改良とともに,統一重みとソート重みを適応的に学習する軽量ニューラルネットワークを設計する。
  論文  参考訳（メタデータ） (2020-11-25T14:00:18Z)
• Hamiltonian Dynamics for Real-World Shape Interpolation [66.47407593823208]
  我々は3次元形状の古典的問題を再考し、ハミルトン力学に基づく新しい物理的に妥当なアプローチを提案する。 本手法は, 中間形状を正確に保存し, 自己切断を回避し, 高分解能スキャンにスケーラブルである。
  論文  参考訳（メタデータ） (2020-04-10T18:38:52Z)

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。