正文
图1:从非结构化三角形网格(左),我们的方法可以有效和具有鲁棒地构造一个具有一致拓扑结构(中间)的四边形网格,它是一个被紧凑参数化的高度图(height map)(以颜色轮廓表示)。自动编码器构造一组形状的低维表示以合成新形状(右)。我们的界面使得用户在合成过程中能够通过直接操纵形状来交互地引导合成。
CCS概念
•计算方法→神经网络;形状建模
•应用计算→计算机辅助设计;
关键词
机器学习3D形状,交互式形状探索
简介
众所周知,近年来在机器学习领域取得了非凡的发展成就,从而引入了诸如分类、风格迁移和生成等各种应用,而这些应用的目标媒体就是图像和音频。不过非常遗憾的是,尽管现在互联网上有大量的3D形状可供使用,但3D形状并没有从机器学习中获得诸多益处。这主要是因为机器学习算法要求输入和输出数据具有一致的表示,例如正交排列的网格(即图像中的像素)。非结构化三角形网格是计算机图形中最受欢迎的曲面表示,但它们的拓扑结构通常是彼此互不相同的,从而阻碍了在机器学习的使用。
在本文中,我们提出了一种新的参数化技术,该方法可以有效地将给定的非结构化网格转换为使用深度信息的具有一致连通性的流形网格。我们的参数化方法对于诸如孔、间隙和倒三角形之类的缺陷是具有非常稳健的鲁棒性的。我们通过将形状表示为一个强场(hight field),从而实现了对一个3D形状的紧凑和明确的参数化,它是从一个简单的原始多边形的细分中得以提升的。我们通过对超过1000个汽车形状进行参数化从而来证明我们方法具有稳健的鲁棒性。