NeuralMeshing: Differentiable Meshing of Implicit Neural Representations

要約

点群から三角形メッシュを生成すること、すなわちメッシングは、コンピュータグラフィックスやコンピュータビジョンにおける中核的なタスクである。従来の手法では、局所的な決定ヒューリスティックを用いて表面メッシュを直接構築していたが、最近ではニューラル暗黙表現に基づくいくつかの手法が、このメッシュ生成プロセスにデータ駆動型アプローチを活用しようと試みている。しかし、未知のトポロジーやサイズの三角形メッシュに対して学習可能な表現を定義することは困難であり、このため、ニューラル暗黙表現は最終的な三角形メッシュを抽出するために、非差別的な後処理に依存している。本研究では、ニューラル暗黙表現から表面メッシュを抽出するための新規な微分可能なメッシュ生成アルゴリズムを提案する。本手法は反復的にメッシュを生成するため、様々なスケールの形状に適用でき、形状の局所的な曲率に適応的である。さらに、本手法は既存の手法と比較して、規則的なテッセレーションパターンと少ない三角形の面を持つメッシュを生成することができる。実験では、ベースラインと比較し、同等の再構成性能と良好なメッシュ特性を示すことが確認できた。

要約(オリジナル)

The generation of triangle meshes from point clouds, i.e. meshing, is a core task in computer graphics and computer vision. Traditional techniques directly construct a surface mesh using local decision heuristics, while some recent methods based on neural implicit representations try to leverage data-driven approaches for this meshing process. However, it is challenging to define a learnable representation for triangle meshes of unknown topology and size and for this reason, neural implicit representations rely on non-differentiable post-processing in order to extract the final triangle mesh. In this work, we propose a novel differentiable meshing algorithm for extracting surface meshes from neural implicit representations. Our method produces the mesh in an iterative fashion, which makes it applicable to shapes of various scales and adaptive to the local curvature of the shape. Furthermore, our method produces meshes with regular tessellation patterns and fewer triangle faces compared to existing methods. Experiments demonstrate the comparable reconstruction performance and favorable mesh properties over baselines.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL