ParaPoint: Learning Global Free-Boundary Surface Parameterization of 3D Point Clouds

要約

サーフェスのパラメータ化は、豊富なダウンストリーム アプリケーションにおける基本的なジオメトリ処理の問題です。
従来のアプローチは、専門の 3D モデラーが苦労して作成した高品質の三角形分割を備えた適切に動作するメッシュ モデルで動作するように設計されているため、現在爆発的に増加している通常の 3D データの処理需要を満たすことができません。
この論文では、非構造化 3D 点群に対して UV アンラッピングを実行することを目指します。
技術的には、与えられた 3D ポイントと、適応的に変形された境界を持つ 2D UV 座標との間のポイントごとのマッピングを構築することで、グローバルな自由境界面のパラメーター化を実現する教師なしニューラル学習パイプラインである ParaPoint を提案します。
私たちは、特定の機能を備えた幾何学的に意味のあるいくつかのサブネットワークを独創的に構築し、それらを双方向のサイクル マッピング フレームワークに組み立てます。
また、ニューラル マッピング プロセスを最適化するための効果的な損失関数と補助微分幾何拘束も設計します。
私たちの知る限り、この研究は、グローバル マッピングと自由境界の両方を追求するニューラル点群パラメータ化を調査する最初の試みです。
実験は、私たちが提案する学習パラダイムの有効性と刺激的な可能性を実証します。
コードは公開されます。

要約(オリジナル)

Surface parameterization is a fundamental geometry processing problem with rich downstream applications. Traditional approaches are designed to operate on well-behaved mesh models with high-quality triangulations that are laboriously produced by specialized 3D modelers, and thus unable to meet the processing demand for the current explosion of ordinary 3D data. In this paper, we seek to perform UV unwrapping on unstructured 3D point clouds. Technically, we propose ParaPoint, an unsupervised neural learning pipeline for achieving global free-boundary surface parameterization by building point-wise mappings between given 3D points and 2D UV coordinates with adaptively deformed boundaries. We ingeniously construct several geometrically meaningful sub-networks with specific functionalities, and assemble them into a bi-directional cycle mapping framework. We also design effective loss functions and auxiliary differential geometric constraints for the optimization of the neural mapping process. To the best of our knowledge, this work makes the first attempt to investigate neural point cloud parameterization that pursues both global mappings and free boundaries. Experiments demonstrate the effectiveness and inspiring potential of our proposed learning paradigm. The code will be publicly available.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google