論文の概要: High Resolution UDF Meshing via Iterative Networks

• arxiv url: http://arxiv.org/abs/2509.17212v1
• Date: Sun, 21 Sep 2025 19:39:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-23 18:58:16.169923
• Title: High Resolution UDF Meshing via Iterative Networks
• Title（参考訳）: 反復ネットワークによるUDFメッシュの高分解能化
• Authors: Federico Stella, Nicolas Talabot, Hieu Le, Pascal Fua,
• Abstract要約: Unsigned Distance Fields (UDF) はオープン曲面の自然な暗黙表現であるが、Signed Distance Fields (SDF) とは異なり、明示的なメッシュへの三角測量は困難である。 これは、神経UDFがより高いノイズレベルを示す高解像度では特に当てはまり、詳細を捉えることは困難である。 これまでに抽出した表面要素を推論して近隣情報を組み込むことにより,これを改善できることが示される。 我々の重要な貢献は、より遠い隣人からの情報を空間的に伝播させることで、これを繰り返し、各ボクセル内の表面の回復を徐々に改善するニューラルネットワークである。
• 参考スコア（独自算出の注目度）: 35.20698867678239
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Unsigned Distance Fields (UDFs) are a natural implicit representation for open surfaces but, unlike Signed Distance Fields (SDFs), are challenging to triangulate into explicit meshes. This is especially true at high resolutions where neural UDFs exhibit higher noise levels, which makes it hard to capture fine details. Most current techniques perform within single voxels without reference to their neighborhood, resulting in missing surface and holes where the UDF is ambiguous or noisy. We show that this can be remedied by performing several passes and by reasoning on previously extracted surface elements to incorporate neighborhood information. Our key contribution is an iterative neural network that does this and progressively improves surface recovery within each voxel by spatially propagating information from increasingly distant neighbors. Unlike single-pass methods, our approach integrates newly detected surfaces, distance values, and gradients across multiple iterations, effectively correcting errors and stabilizing extraction in challenging regions. Experiments on diverse 3D models demonstrate that our method produces significantly more accurate and complete meshes than existing approaches, particularly for complex geometries, enabling UDF surface extraction at higher resolutions where traditional methods fail.
• Abstract（参考訳）: Unsigned Distance Fields (UDF) はオープン曲面の自然な暗黙表現であるが、Signed Distance Fields (SDF) とは異なり、明示的なメッシュへの三角測量は困難である。 これは、神経UDFがより高いノイズレベルを示す高解像度では特に当てはまり、詳細を捉えることは困難である。 現在のほとんどの技術は、近傍に言及せずに単一のボクセル内で動作し、UDFが曖昧でノイズの多い表面や穴が失われる。 これまでに抽出した表面要素を推論して近隣情報を組み込むことにより,これを改善できることが示される。 我々の重要な貢献は、より遠い隣人からの情報を空間的に伝播させることで、これを繰り返し、各ボクセル内の表面の回復を徐々に改善するニューラルネットワークである。 単一パス法とは異なり,本手法では複数回にまたがる新たに検出された曲面,距離値,勾配を統合し,誤りを効果的に補正し,課題領域での抽出を安定化する。 多様な3次元モデルを用いた実験により,従来の手法よりも高精度かつ完全なメッシュを生成できることが示され,特に複雑な幾何学において,従来の手法が失敗する高分解能でのUDF表面抽出が可能となった。

関連論文リスト

• Details Enhancement in Unsigned Distance Field Learning for High-fidelity 3D Surface Reconstruction [26.35134181204119]
  本稿では,通常のアライメントとSIRENネットワークを統合したDEUDF学習を提案する。 計算結果から,DEUDFは既存のUDF学習法よりも精度と再現面の品質が優れていることが示された。
  論文  参考訳（メタデータ） (2024-06-01T07:52:26Z)
• DUDF: Differentiable Unsigned Distance Fields with Hyperbolic Scaling [0.20287200280084108]
  我々は符号のない距離場の双曲的スケーリングを学習し、異なる境界条件を持つ新しいアイコン問題を定義する。 提案手法は,オープンサーフェス表現の課題に対処するだけでなく,再構築品質とトレーニング性能の大幅な向上を示す。
  論文  参考訳（メタデータ） (2024-02-14T00:42:19Z)
• 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)
• NeuralUDF: Learning Unsigned Distance Fields for Multi-view Reconstruction of Surfaces with Arbitrary Topologies [87.06532943371575]
  本稿では2次元画像からボリュームレンダリングにより任意の位相で表面を再構成する新しい手法であるNeuralUDFを提案する。 本稿では,表面をUDF(Unsigned Distance Function)として表現し,ニューラルUDF表現を学習するための新しいボリュームレンダリング手法を提案する。
  論文  参考訳（メタデータ） (2022-11-25T15:21:45Z)
• CAP-UDF: Learning Unsigned Distance Functions Progressively from Raw Point Clouds with Consistency-Aware Field Optimization [54.69408516025872]
  CAP-UDFは、生の点雲から一貫性を考慮したUDFを学ぶための新しい方法である。 我々は、クエリと近似曲面の関係を徐々に推測するようにニューラルネットワークを訓練する。 学習されたUDFの勾配を用いて表面を抽出する多角化アルゴリズムも導入する。
  論文  参考訳（メタデータ） (2022-10-06T08:51:08Z)
• 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)

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。