Learning a More Continuous Zero Level Set in Unsigned Distance Fields through Level Set Projection

要約

最新の方法では、符号なし距離関数 (UDF) を使用して、開いた表面を持つ形状を表現します。
彼らは、ニューラル ネットワークをトレーニングして UDF を学習し、UDF のゼロ レベル セット付近の勾配で表面を再構築します。
ただし、微分ネットワークは、UDF が微分可能でないゼロ レベル セットの学習に苦労するため、ゼロ レベル セット付近の符号なしの距離と勾配で大きな誤差が生じ、その結果、高度に断片化された不連続な表面が生じます。
この問題を解決するために、レベル セット射影を使用して UDF でより連続的なゼロ レベル セットを学習することを提案します。
私たちの洞察は、投影手順を介して残りの非ゼロレベルセットを使用してゼロレベルセットの学習をガイドすることです。
私たちのアイデアは、ゼロ以外のレベル セットがゼロ レベル セットよりもはるかに滑らかで連続的であるという観察からインスピレーションを得ています。
異なるレベル セットにわたる勾配を調整し、ゼロ レベル セットの符号なし距離エラーを修正する勾配制約を使用して、非ゼロ レベル セットをゼロ レベル セットにプルします。これにより、より滑らかで連続的な符号なし距離フィールドが得られます。
私たちは、点群、実際のスキャン、または深度マップの表面再構成に関する包括的な実験を実施し、学習された UDF を使用した教師なし点群アップサンプリングと教師なし点法線推定のパフォーマンスをさらに調査します。
芸術的な手法。
コードは https://github.com/junshengzhou/LevelSetUDF で入手できます。

要約(オリジナル)

Latest methods represent shapes with open surfaces using unsigned distance functions (UDFs). They train neural networks to learn UDFs and reconstruct surfaces with the gradients around the zero level set of the UDF. However, the differential networks struggle from learning the zero level set where the UDF is not differentiable, which leads to large errors on unsigned distances and gradients around the zero level set, resulting in highly fragmented and discontinuous surfaces. To resolve this problem, we propose to learn a more continuous zero level set in UDFs with level set projections. Our insight is to guide the learning of zero level set using the rest non-zero level sets via a projection procedure. Our idea is inspired from the observations that the non-zero level sets are much smoother and more continuous than the zero level set. We pull the non-zero level sets onto the zero level set with gradient constraints which align gradients over different level sets and correct unsigned distance errors on the zero level set, leading to a smoother and more continuous unsigned distance field. We conduct comprehensive experiments in surface reconstruction for point clouds, real scans or depth maps, and further explore the performance in unsupervised point cloud upsampling and unsupervised point normal estimation with the learned UDF, which demonstrate our non-trivial improvements over the state-of-the-art methods. Code is available at https://github.com/junshengzhou/LevelSetUDF .

arxiv情報

提供元, 利用サービス

arxiv.jp, Google