新方法使用神经网络计算精确的有符号距离函数

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-09 04:00

研究人员开发了一种新的变分方法，用于从点云精确计算有符号距离函数（SDF）。该方法通过使用高阶变分公式，明确地将作为SDF梯度跳跃集的骨架（medial axis）纳入其中。该方法采用相场近似来隐式描述骨架，并使用神经网络来近似SDF和相场，与现有方法相比，显示出更高的精度。 AI

排序理由该集群包含一篇详细介绍新颖计算方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

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

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Samuel Weidemaier, Christoph Norden-Smoch, Martin Rumpf · 2026-06-09 04:00

Signed Distance Functions 的中轴感知学习

arXiv:2604.16512v2 Announce Type: replace-cross Abstract: We propose a novel variational method to compute a highly accurate global signed distance function (SDF) to a given point cloud. To this end, the jump set of the gradient of the SDF, which coincides with the medial axis of…