ConvMesh: Reimagining Mesh Quality Through Convex Optimization

要約

メッシュ生成は近年重要なトピックとなっており、仮想現実、ゲーム、3D プリントなどのさまざまなアプリケーションで使用されるすべての 3D オブジェクトの基礎を形成しています。
計算リソースと機械学習の進歩により、ニューラル ネットワークは、高品質の 3D オブジェクト表現を生成するための強力なツールとして登場し、シーンとオブジェクトの正確な再構築を可能にします。
これらの進歩にも関わらず、多くの方法ではリアリズムに欠けたり、幾何学的およびテクスチャ的な欠陥が見られるメッシュが生成されるため、品質を向上させるために追加の処理が必要になります。
この研究では、規律ある凸プログラミングと呼ばれる凸最適化プログラミングを導入し、円錐ソルバーを使用してテクスチャとジオメトリを調整することで既存のメッシュを強化します。
この方法は、元のメッシュとターゲット メッシュの両方からの点群のまばらなセットに焦点を当てることにより、最小限のデータ要件でメッシュ品質が大幅に向上することを実証します。
このアプローチを評価するために、Facebook AI の古典的なイルカ メッシュ データセットがケーススタディとして使用され、CVXPY ライブラリを使用して最適化が実行されました。
その結果、合理化された効果的なメッシュ細分化の有望な可能性が明らかになりました。

要約(オリジナル)

Mesh generation has become a critical topic in recent years, forming the foundation of all 3D objects used across various applications, such as virtual reality, gaming, and 3D printing. With advancements in computational resources and machine learning, neural networks have emerged as powerful tools for generating high-quality 3D object representations, enabling accurate scene and object reconstructions. Despite these advancements, many methods produce meshes that lack realism or exhibit geometric and textural flaws, necessitating additional processing to improve their quality. This research introduces a convex optimization programming called disciplined convex programming to enhance existing meshes by refining their texture and geometry with a conic solver. By focusing on a sparse set of point clouds from both the original and target meshes, this method demonstrates significant improvements in mesh quality with minimal data requirements. To evaluate the approach, the classical dolphin mesh dataset from Facebook AI was used as a case study, with optimization performed using the CVXPY library. The results reveal promising potential for streamlined and effective mesh refinement.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google