PulseAugur
中
实时 08:36:42
English(EN) Flow-Corrected Shape Optimization: Taming Manifold Drift in High-Dimensional 3D Models

新框架解决高维3D模型中的流形漂移问题

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个名为流校正形状优化（Flow-Corrected Shape Optimization）的新框架，以解决深度学习生成的高维3D模型中出现的“流形漂移”（manifold drift）问题。此问题会导致基于梯度的优化将潜在向量引离有效的形状流形，而随着现代3D形状模型维度的增加，这个问题会变得更加严重。提出的优化器-校正器框架在目标最小化和引导流匹配之间交替进行，有效地将潜在状态引导回有效的形状流形，同时不牺牲表达能力或计算可行性。该方法在各种优化任务中都取得了成功，包括空气动力学阻力降低和物体顺应性优化。 AI

影响 这项研究有望提高工程和设计等领域的3D模型生成和优化的效率和准确性。

排序理由 这是一篇详细介绍计算机视觉中3D模型优化新方法的学术论文。

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新框架解决高维3D模型中的流形漂移问题

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Emilien Seiler, Nicolas Talabot, Yingxuan You, Federico Stella, Pascal Fua ·

    流体校正形状优化：抑制高维3D模型中的流形漂移

    arXiv:2608.07199v1 Announce Type: new Abstract: Optimizing 3D shapes within the latent spaces of deep generative models is fundamental to computer assisted engineering, yet remains prone to a critical failure mode we term manifold drift: the tendency of gradient-based optimizatio…

相关实体

相关话题