网格SDF swMATH ID: 44008 软件作者： Edoardo Remelli、Artem Lukoianov、Stephan R.Richter、Benoêt Guillard、Timur Bagautdinov、Pierre Baque、Pascal Fua 描述： MeshSDF：可微分等表面提取。随着连续的深度内隐场的出现，几何深度学习最近取得了惊人的进展。它们允许对任意拓扑的水密表面进行详细建模，而不依赖于三维欧几里德网格，从而实现了不受分辨率限制的可学习参数化。不幸的是，这些方法通常不适用于需要显式基于网格的曲面表示的应用程序，因为将隐式场转换为这种表示依赖于Marching Cubes算法，该算法无法与潜在的隐式场区分开来。在这项工作中，我们消除了这一限制，并引入了一种可微方法来从深符号距离函数生成显式曲面网格表示。我们的关键见解是，通过推理隐式场扰动如何影响局部曲面几何，可以最终区分曲面样本相对于底层深层隐式场的3D位置。我们利用这一点来定义MeshSDF，这是一种端到端的可微网格表示，可以改变其拓扑。我们使用两个不同的应用程序来验证我们的理论见解：通过可差分渲染的单视图重建和物理驱动形状优化。在这两种情况下，我们的可微参数化使我们比最先进的算法更具优势。 主页： https://arxiv.org/abs/2006.03997 源代码： https://github.com/cvlab-epfl/MeshSDF 依赖项： 蟒蛇 关键词： 计算机视觉;模式识别;arXiv_cs。个人简历 相关软件： 交通运输部;款式GAN2;ResMLP公司;布里斯克;效率Det;面2面;打开姿势;NIMA公司;网格实验室;SegStereo公司;锚网;软剪刀;MVS网络;效率网;时尚-MNIST;摄像头网络;DISN公司;群集适配;PWC-网络;Flickr30K手机;位置CNN 引用于： 1文件 1位作者引用 1 理查德·塞利斯基 连载1篇 1 计算机科学课文 在1个字段中引用 1 计算机科学（68至XX） 按年份列出的引文