DynoSurf: Neural Deformation-based Temporally Consistent Dynamic Surface Reconstruction

要約

この論文では、対応関係のない 3D 点群シーケンスから時間的に一貫した表面を再構成する問題を検討します。
この困難なタスクに対処するために、テンプレート サーフェス表現と学習可能な変形フィールドを統合する教師なし学習フレームワークである DynoSurf を提案します。
具体的には、変形可能な四面体表現に基づいてテンプレート表面を学習するための粗いものから細かいものへの戦略を設計します。
さらに、学習可能な制御点とブレンド重みに基づいて、局所形状の一貫性を維持しながらテンプレート サーフェスを非剛体に変形できる学習可能な変形表現を提案します。
実験結果は、現在の最先端のアプローチよりも DynoSurf が大幅に優れていることを実証し、動的メッシュ再構築のための強力なツールとしての可能性を示しています。
コードは https://github.com/yaoyx689/DynoSurf で公開されています。

要約(オリジナル)

This paper explores the problem of reconstructing temporally consistent surfaces from a 3D point cloud sequence without correspondence. To address this challenging task, we propose DynoSurf, an unsupervised learning framework integrating a template surface representation with a learnable deformation field. Specifically, we design a coarse-to-fine strategy for learning the template surface based on the deformable tetrahedron representation. Furthermore, we propose a learnable deformation representation based on the learnable control points and blending weights, which can deform the template surface non-rigidly while maintaining the consistency of the local shape. Experimental results demonstrate the significant superiority of DynoSurf over current state-of-the-art approaches, showcasing its potential as a powerful tool for dynamic mesh reconstruction. The code is publicly available at https://github.com/yaoyx689/DynoSurf.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google