What’s the Situation with Intelligent Mesh Generation: A Survey and Perspectives

要約

インテリジェント メッシュ生成 (IMG) は、機械学習技術を利用してメッシュを生成する、新規かつ有望な研究分野です。
IMG は比較的初期段階にあるにもかかわらず、メッシュ生成技術の適応性と実用性を大幅に広げ、数多くのブレークスルーを実現し、潜在的な将来の道筋を明らかにしました。
しかし、IMG 手法の包括的な調査に関する現代の文献には、顕著な空白が存在します。
この文書は、現在の IMG の状況を体系的かつ徹底的に調査することで、このギャップを埋めるよう努めています。
113 の予備的な IMG メソッドに焦点を当て、コア アルゴリズム技術とその適用範囲、エージェントの学習目標、データ タイプ、対象となる課題、利点と制限を含む、さまざまな角度からの綿密な分析を実施します。
私たちは文献を厳選して分類し、主要な技術、出力メッシュ ユニット要素、および関連する入力データ タイプに基づいて 3 つの独自の分類法を提案しました。
この論文はまた、IMG における将来の有望な研究の方向性と課題をいくつか強調しています。
読者のアクセシビリティを高めるために、専用の IMG プロジェクト ページが \url{https://github.com/xzb030/IMG_Survey} で利用可能です。

要約(オリジナル)

Intelligent Mesh Generation (IMG) represents a novel and promising field of research, utilizing machine learning techniques to generate meshes. Despite its relative infancy, IMG has significantly broadened the adaptability and practicality of mesh generation techniques, delivering numerous breakthroughs and unveiling potential future pathways. However, a noticeable void exists in the contemporary literature concerning comprehensive surveys of IMG methods. This paper endeavors to fill this gap by providing a systematic and thorough survey of the current IMG landscape. With a focus on 113 preliminary IMG methods, we undertake a meticulous analysis from various angles, encompassing core algorithm techniques and their application scope, agent learning objectives, data types, targeted challenges, as well as advantages and limitations. We have curated and categorized the literature, proposing three unique taxonomies based on key techniques, output mesh unit elements, and relevant input data types. This paper also underscores several promising future research directions and challenges in IMG. To augment reader accessibility, a dedicated IMG project page is available at \url{https://github.com/xzb030/IMG_Survey}.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google