DCUDF2: Improving Efficiency and Accuracy in Extracting Zero Level Sets from Unsigned Distance Fields

要約

符号なし距離フィールド (UDF) を使用すると、複雑なトポロジを持つモデルを表現できますが、これらのフィールドから正確なゼロ レベル セットを抽出することは、特にトポロジの精度を維持し、微細な幾何学的詳細をキャプチャする際に、重大な課題を引き起こします。
これらの問題を克服するために、UDF からゼロ レベル セットを抽出するための、現在の最先端の方法である DCUDF を拡張した DCUDF2 を導入します。
私たちのアプローチは、自己適応重みで強化された精度を意識した損失関数を利用して、幾何学的品質を大幅に向上させます。
また、ハイパーパラメータへの依存を減らし、手法の堅牢性を高めるトポロジ修正戦略も提案します。
さらに、自己適応重みを活用して実行時の効率を高める新しい操作を開発します。
多様なデータセットにわたる表面抽出に関する広範な実験により、DCUDF2 が幾何学的忠実度とトポロジカル精度の両方において DCUDF や既存の方法よりも優れていることが実証されました。
ソースコードは公開させていただきます。

要約(オリジナル)

Unsigned distance fields (UDFs) allow for the representation of models with complex topologies, but extracting accurate zero level sets from these fields poses significant challenges, particularly in preserving topological accuracy and capturing fine geometric details. To overcome these issues, we introduce DCUDF2, an enhancement over DCUDF–the current state-of-the-art method–for extracting zero level sets from UDFs. Our approach utilizes an accuracy-aware loss function, enhanced with self-adaptive weights, to improve geometric quality significantly. We also propose a topology correction strategy that reduces the dependence on hyper-parameter, increasing the robustness of our method. Furthermore, we develop new operations leveraging self-adaptive weights to boost runtime efficiency. Extensive experiments on surface extraction across diverse datasets demonstrate that DCUDF2 outperforms DCUDF and existing methods in both geometric fidelity and topological accuracy. We will make the source code publicly available.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google