MeshFeat: Multi-Resolution Features for Neural Fields on Meshes

要約

パラメトリック特徴グリッド エンコーディングは、はるかに小さい MLP を可能にし、モデルの推論時間を大幅に短縮できるため、ニューラル フィールドのエンコーディング アプローチとして大きな注目を集めています。
この研究では、メッシュに合わせたパラメトリック特徴エンコーディングである MeshFeat を提案します。これには、ユークリッド空間からの多重解像度特徴グリッドのアイデアが適用されます。
指定された頂点トポロジによって提供される構造から開始し、メッシュ単純化アルゴリズムを使用して、メッシュ上に直接多重解像度フィーチャ表現を構築します。
このアプローチにより、メッシュ上のニューラル フィールドに小さな MLP を使用できるようになり、テクスチャ再構築と BRDF 表現で同等の再構築品質を維持しながら、以前の表現と比較して大幅な高速化が示されました。
頂点への固有の結合を考慮すると、この方法は変形メッシュの表現に特に適しており、オブジェクト アニメーションに適しています。

要約(オリジナル)

Parametric feature grid encodings have gained significant attention as an encoding approach for neural fields since they allow for much smaller MLPs, which significantly decreases the inference time of the models. In this work, we propose MeshFeat, a parametric feature encoding tailored to meshes, for which we adapt the idea of multi-resolution feature grids from Euclidean space. We start from the structure provided by the given vertex topology and use a mesh simplification algorithm to construct a multi-resolution feature representation directly on the mesh. The approach allows the usage of small MLPs for neural fields on meshes, and we show a significant speed-up compared to previous representations while maintaining comparable reconstruction quality for texture reconstruction and BRDF representation. Given its intrinsic coupling to the vertices, the method is particularly well-suited for representations on deforming meshes, making it a good fit for object animation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google