研究人员推出了一种新颖的框架TetraSDF,用于从神经符号距离函数(SDF)中提取显式表面。与引入离散化误差或仅限于更简单的ReLU MLP的传统方法不同,TetraSDF采用了多分辨率四面体位置编码器。这种方法能够学习高频SDF,同时能够将零水平集精确提取为三角形网格。在各种基准测试中,TetraSDF在SDF重建精度方面已显示出与现有基于网格的编码器相当或更优的性能。 AI
影响 该框架有望提高神经表示中3D表面重建的保真度和准确性。
排序理由 该集群包含一篇详细介绍计算机视觉新技术框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- DagsHub
- Hugging Face
- Marching cubes
- multilayer perceptron
- rectifier
- Seonghun Oh
- TetraSDF
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →