研究人员推出TriFlow,一种用于创建具有艺术家风格三角形拓扑的紧凑型3D网格的新型生成方法。该方法利用最近顶点矢量场(NVFs)来表示网格拓扑,并通过潜在流匹配模型进行训练。该方法将拓扑生成条件化为输入几何体(如符号距离场),并采用约束二次误差度量网格简化来实现连贯的网格提取。据报道,TriFlow 在泛化性、拓扑质量方面有所提高,Chamfer Distance 降低了90%,并且比现有的基于学习的方法快8倍。 AI
影响 这项研究可能带来更高效、对艺术家更友好的3D内容创作工具。
排序理由 该集群描述了一篇发表在arXiv上的新研究论文,详细介绍了一种新颖的3D网格生成方法。
- Chamfer distance
- latent flow-matching model
- Nearest-Vertex Vector Fields
- quadric error metric
- Signed Distance Fields
- TriFlow
- alphaXiv
- arXiv
- DagsHub
- Hugging Face
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →