Coverage Axis++: Efficient Inner Point Selection for 3D Shape Skeletonization

要約

3D 形状のスケルトン化に対する斬新で効率的なアプローチである Coverage Axis++ を紹介します。
このタスクに対する現在の最先端のアプローチは、多くの場合、入力の防水性に依存するか、かなりの計算コストがかかるため、実用性が制限されます。
この課題に対処するために、Coverage Axis++ は骨格点を選択するヒューリスティック アルゴリズムを提案し、さまざまな形状表現の計算量を大幅に軽減しながら、Medial Axis Transform (MAT) の高精度近似を提供します。
形状範囲と均一性の両方を考慮して骨格点を導出する、シンプルかつ効果的な戦略を紹介します。
選択手順では、形状構造との一貫性を強制しながら、支配的な内側ボールを優先するため、MAT の観点からコンパクトな基礎となる形状表現が導入されます。
その結果、Coverage Axis++ では、さまざまな形状表現 (水密メッシュ、三角形スープ、点群など) のスケルトン化、スケルトン点の数の指定、少数のハイパーパラメータ、および再構成精度の向上による高効率な計算が可能になります。
幅広い 3D 形状にわたる広範な実験により、Coverage Axis++ の効率と有効性が検証されます。
コードは論文が出版され次第、一般に公開されます。

要約(オリジナル)

We introduce Coverage Axis++, a novel and efficient approach to 3D shape skeletonization. The current state-of-the-art approaches for this task often rely on the watertightness of the input or suffer from substantial computational costs, thereby limiting their practicality. To address this challenge, Coverage Axis++ proposes a heuristic algorithm to select skeletal points, offering a high-accuracy approximation of the Medial Axis Transform (MAT) while significantly mitigating computational intensity for various shape representations. We introduce a simple yet effective strategy that considers both shape coverage and uniformity to derive skeletal points. The selection procedure enforces consistency with the shape structure while favoring the dominant medial balls, which thus introduces a compact underlying shape representation in terms of MAT. As a result, Coverage Axis++ allows for skeletonization for various shape representations (e.g., water-tight meshes, triangle soups, point clouds), specification of the number of skeletal points, few hyperparameters, and highly efficient computation with improved reconstruction accuracy. Extensive experiments across a wide range of 3D shapes validate the efficiency and effectiveness of Coverage Axis++. The code will be publicly available once the paper is published.

arxiv情報

著者 Zimeng Wang,Zhiyang Dou,Rui Xu,Cheng Lin,Yuan Liu,Xiaoxiao Long,Shiqing Xin,Lingjie Liu,Taku Komura,Xiaoming Yuan,Wenping Wang
発行日 2024-01-23 18:07:07+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CG, cs.CV, cs.GR パーマリンク