Geometric and Learning-based Mesh Denoising: A Comprehensive Survey

要約

メッシュノイズ除去は、デジタル形状処理における基本的な問題である。これは、表面の固有信号を可能な限り正確に保存しながら、表面のノイズを除去することを目的としています。従来の常識は、表面を滑らかにするための特殊な事前分布を基に構築されてきたが、学習ベースのアプローチが一般化と自動化において大きな成功を収めてデビューしている。この著作では、伝統的な幾何学的アプローチと最近の学習ベースの手法の両方を含む、メッシュノイズ除去の進歩に関する包括的なレビューを提供する。まず、メッシュデノイジングのタスクに慣れ親しむために、メッシュデノイジングにおける4つの一般的な問題を要約する。次に、既存のデノイジング手法を2つに分類する。さらに、最適化ベース、フィルタベース、データドリブンベースの3つの重要なカテゴリを紹介し、それぞれ詳細に分析する。また、定性的・定量的な比較を行い、最新のノイズ除去法の有効性を示す。最後に、これらの手法に共通する問題点を解決するために、今後の研究の方向性を指摘する。また、本研究ではメッシュデノイジングのベンチマークを構築しており、将来の研究者は簡単かつ簡便に最先端のアプローチと自分の手法を比較評価することができる。

要約(オリジナル)

Mesh denoising is a fundamental problem in digital geometry processing. It seeks to remove surface noise, while preserving surface intrinsic signals as accurately as possible. While the traditional wisdom has been built upon specialized priors to smooth surfaces, learning-based approaches are making their debut with great success in generalization and automation. In this work, we provide a comprehensive review of the advances in mesh denoising, containing both traditional geometric approaches and recent learning-based methods. First, to familiarize readers with the denoising tasks, we summarize four common issues in mesh denoising. We then provide two categorizations of the existing denoising methods. Furthermore, three important categories, including optimization-, filter-, and data-driven-based techniques, are introduced and analyzed in detail, respectively. Both qualitative and quantitative comparisons are illustrated, to demonstrate the effectiveness of the state-of-the-art denoising methods. Finally, potential directions of future work are pointed out to solve the common problems of these approaches. A mesh denoising benchmark is also built in this work, and future researchers will easily and conveniently evaluate their methods with the state-of-the-art approaches.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL