MASH: Masked Anchored SpHerical Distances for 3D Shape Representation and Generation

要約

我々は、3D形状の新しいマルチビュー・パラメトリック表現であるMasked Anchored SpHerical Distances (MASH)を紹介する。多視点幾何学に触発され、3D形状の学習における知覚的形状理解の重要性に動機づけられ、MASHは3D形状を観察可能な局所表面パッチの集まりとして表現する。MASH関数をエンコードするために、球面ハーモニクスのコンパクト性をさらに活用し、局所性を達成するために球面関数の空間的広がりをマスクするパラメータ化されたベースを持つ一般化されたビューコーンと組み合わせる。我々は、任意の形状とトポロジーを持つ地上の真実の表面を正確に近似するMASH表現に、任意の点群を変換できる微分可能な最適化アルゴリズムを開発する。広範な実験により、MASHが表面再構成、形状生成、補完、ブレンディングを含む様々な用途に汎用性があり、陰的特徴と陽的特徴の両方を包含するユニークな表現により優れた性能を達成することを実証する。

要約(オリジナル)

We introduce Masked Anchored SpHerical Distances (MASH), a novel multi-view and parametrized representation of 3D shapes. Inspired by multi-view geometry and motivated by the importance of perceptual shape understanding for learning 3D shapes, MASH represents a 3D shape as a collection of observable local surface patches, each defined by a spherical distance function emanating from an anchor point. We further leverage the compactness of spherical harmonics to encode the MASH functions, combined with a generalized view cone with a parameterized base that masks the spatial extent of the spherical function to attain locality. We develop a differentiable optimization algorithm capable of converting any point cloud into a MASH representation accurately approximating ground-truth surfaces with arbitrary geometry and topology. Extensive experiments demonstrate that MASH is versatile for multiple applications including surface reconstruction, shape generation, completion, and blending, achieving superior performance thanks to its unique representation encompassing both implicit and explicit features.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL