論文の概要: Point2Quad: Generating Quad Meshes from Point Clouds via Face Prediction
- arxiv url: http://arxiv.org/abs/2504.19545v1
- Date: Mon, 28 Apr 2025 07:48:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-02 19:15:54.349663
- Title: Point2Quad: Generating Quad Meshes from Point Clouds via Face Prediction
- Title（参考訳）: Point2Quad: 顔予測を通じてポイントクラウドからクアドメッシュを生成する
- Authors: Zezeng Li, Zhihui Qi, Weimin Wang, Ziliang Wang, Junyi Duan, Na Lei,
- Abstract要約: Point2Quadは、ポイントクラウドからクアッドオンリーメッシュを生成するための、最初の学習ベースの方法である。
キーとなるアイデアは、ポイントワイドとフェイスワイドの機能を備えたクワッドメッシュを識別することだ。
クリアデータとノイズデータの両方の実験は、Point2Quadの有効性と優位性を示している。
- 参考スコア（独自算出の注目度）: 8.692983641469612
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quad meshes are essential in geometric modeling and computational mechanics. Although learning-based methods for triangle mesh demonstrate considerable advancements, quad mesh generation remains less explored due to the challenge of ensuring coplanarity, convexity, and quad-only meshes. In this paper, we present Point2Quad, the first learning-based method for quad-only mesh generation from point clouds. The key idea is learning to identify quad mesh with fused pointwise and facewise features. Specifically, Point2Quad begins with a k-NN-based candidate generation considering the coplanarity and squareness. Then, two encoders are followed to extract geometric and topological features that address the challenge of quad-related constraints, especially by combining in-depth quadrilaterals-specific characteristics. Subsequently, the extracted features are fused to train the classifier with a designed compound loss. The final results are derived after the refinement by a quad-specific post-processing. Extensive experiments on both clear and noise data demonstrate the effectiveness and superiority of Point2Quad, compared to baseline methods under comprehensive metrics.
- Abstract（参考訳）: 四角いメッシュは幾何学的モデリングや計算力学において不可欠である。
トライアングルメッシュの学習に基づく手法はかなりの進歩を示しているが、コプランナリティ、凸性、クワッドオンリーメッシュの確保という課題のため、クワッドメッシュの生成は検討されていない。
本稿では,ポイントクラウドからクアッドオンリーメッシュを生成する学習手法であるPoint2Quadを提案する。
キーとなるアイデアは、ポイントワイドとフェイスワイドの機能を備えたクワッドメッシュを識別することだ。
具体的には、Point2Quadはk-NNベースの候補生成から始まる。
次に、2つのエンコーダを追従して、特に深度四角形特有の特徴を組み合わせることにより、四角形関連制約の課題に対処する幾何学的および位相的特徴を抽出する。
その後、抽出した特徴を融合させて、設計された複合損失で分類器を訓練する。
最終結果は、クアッド特異的な後処理によって改善された後に導かれる。
クリアデータとノイズデータの両方に対する大規模な実験は、総合的な測定基準の下でのベースライン法と比較して、Point2Quadの有効性と優位性を示している。
関連論文リスト
- Implicit Neural Compression of Point Clouds [58.45774938982386]
NeRC$textbf3$は、暗黙の神経表現を利用して、幾何学と属性の両方を扱う新しいポイントクラウド圧縮フレームワークである。
動的点雲の場合、4D-NeRC$textbf3$は最先端のG-PCCやV-PCC標準よりも優れた幾何圧縮を示す。
論文 参考訳（メタデータ） (2024-12-11T03:22:00Z) - Deformable NeRF using Recursively Subdivided Tetrahedra [24.080838312186376]
DeformRFは、四面体メッシュのマニピュラビリティを、特徴格子表現の高品質なレンダリング機能とシームレスに統合する手法である。
合成データと実撮データの両方でDeformRFを総合的に評価する。
論文 参考訳（メタデータ） (2024-10-06T08:35:01Z) - Occupancy-Based Dual Contouring [12.944046673902415]
本稿では,2重畳み込み方式を提案する。
本手法は,GPU並列化を最大化するために,学習不要かつ慎重に設計されている。
論文 参考訳（メタデータ） (2024-09-20T11:32:21Z) - ParaPoint: Learning Global Free-Boundary Surface Parameterization of 3D Point Clouds [52.03819676074455]
ParaPointは、グローバルな自由境界面パラメータ化を実現するための教師なしのニューラルネットワークパイプラインである。
この研究は、グローバルマッピングと自由境界の両方を追求するニューラルポイントクラウドパラメータ化を調査する最初の試みである。
論文 参考訳（メタデータ） (2024-03-15T14:35:05Z) - Parametric Surface Constrained Upsampler Network for Point Cloud [33.033469444588086]
バイコビック関数と回転関数で表されるパラメトリック曲面をニューラルネットワークに学習させ,新しいサーフェス正規化器をアップサンプラーネットワークに導入する。
これらの設計は、2つの異なるネットワークに統合され、レイヤのアップサンプリングの利点を生かしている。
両課題の最先端実験結果から,提案手法の有効性が示された。
論文 参考訳（メタデータ） (2023-03-14T21:12:54Z) - CircNet: Meshing 3D Point Clouds with Circumcenter Detection [67.23307214942696]
3次元点雲を三角形メッシュに再構成することは、計算幾何学と表面再構成の重要な問題である。
我々は,点雲三角測量を実現するために,周辺を検知するディープニューラルネットワークを導入する。
我々は水密面と開面面の両方の顕著なデータセットに対して本手法の有効性を検証した。
論文 参考訳（メタデータ） (2023-01-23T03:32:57Z) - Neural Dual Contouring [25.100284348137695]
デュアルコントゥーリング(DC)に基づくメッシュ再構築のための新しいデータ駆動型アプローチであるニューラルデュアルコントゥーリング(NDC)を導入する。
NDCはグリッドセルごとに正確に1つの頂点を生成し、グリッドエッジの交差点ごとに1つのクワッドを生成する。
NDCは、従来の学習方法と比較して、表面再構成精度、特徴保存、出力複雑性、三角形の品質、推論時間を改善する。
論文 参考訳（メタデータ） (2022-02-04T07:03:39Z) - 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) - PUGeo-Net: A Geometry-centric Network for 3D Point Cloud Upsampling [103.09504572409449]
PUGeo-Netと呼ばれる新しいディープニューラルネットワークを用いた一様高密度点雲を生成する手法を提案する。
その幾何学中心の性質のおかげで、PUGeo-Netはシャープな特徴を持つCADモデルとリッチな幾何学的詳細を持つスキャンされたモデルの両方でうまく機能する。
論文 参考訳（メタデータ） (2020-02-24T14:13:29Z)
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。