研究人员开发了CGGT(Curve-Grounded Geometry Transformer),一种旨在从稀疏、未姿态的多视图图像中重建可编辑的3D参数化曲线的模型。该新方法绕过了现有NeRF和3DGS方法中常见的密集相机视图或昂贵的每场景优化需求。CGGT集成了用于特征学习的Transformer编码器和用于实例关联的掩码注意力解码器,使其能够单次预测相机参数、深度图和曲线掩码。该系统在Wireframe-100K(一个包含10万个CAD模型的庞大数据集)上进行训练,并展示了对真实世界图像的强大泛化能力,能有效区分结构边缘和视点相关的边缘。 AI
影响 这项研究推进了从有限视觉数据进行3D重建的技术,有望改进CAD建模和计算机图形学应用。
排序理由 该集群描述了一篇关于3D曲线重建新方法的最新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- 3D Gaussian splatting
- 3D Parametric Curve Reconstruction
- arXiv
- computer-aided design
- Geometry Transformer
- Hugging Face
- NeRF
- Wireframe-100K
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →