大多数现有的几何处理算法使用网格作为默认的形状表示。然而,在处理网格时,需要在表面离散化中保持高质量。例如,改变一个网格的拓扑通常需要额外的过程,如remesing。本文提出使用神经场进行几何处理。神经场可以在没有空间离散化的情况下紧凑地存储复杂的形状。此外,神经场是无限可微的,这使得它们可以针对涉及高阶导数的目标进行优化。这就提出了一个问题:几何处理可以完全用神经场来完成吗?我们介绍损失函数和结构,以表明一些最具挑战性的几何处理任务,如变形和滤波,可以用神经场完成。实验结果表明,我们的方法与现有的基于网格的方法是相当的,而不涉及特定的表面离散化。代码可以在https://github.com/stevenygd/NFGP上找到。

成为VIP会员查看完整内容
23

相关内容

专知会员服务
68+阅读 · 2021年5月28日
专知会员服务
27+阅读 · 2020年10月24日
专知会员服务
16+阅读 · 2020年10月18日
【ICML2020】通过神经引导的A*搜索学习逆合成设计
专知会员服务
16+阅读 · 2020年8月18日
【NeurIPS 2020】核基渐进蒸馏加法器神经网络
专知
12+阅读 · 2020年10月19日
国家自然科学基金
0+阅读 · 2017年12月31日
国家自然科学基金
3+阅读 · 2017年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月19日
VIP会员
相关基金
国家自然科学基金
0+阅读 · 2017年12月31日
国家自然科学基金
3+阅读 · 2017年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员