【神经卷积曲面 | Neural Convolutional Surfaces】[cs.GR]
这项工作涉及一种形状的表示，它将精细的、局部的以及可能重复的几何图形从全局的粗略结构中分离出来。实现这种解缠导致了两个不相关的优势：i)显著压缩了表示给定几何图形所需的参数数量；ii)能够在不损害另一个的情况下操纵全局几何图形或局部细节。我们方法的核心是一种新颖的管道和神经体系结构，它们被优化为代表一个特定的图谱，代表一个3D表面。我们的流水线和体系结构的设计使得全局几何图形与局部细节的分离是通过优化以完全无监督的方式完成的。我们表明，这种方法获得了比现有技术更好的神经形状压缩，以及允许操纵和传输形状细节。http://t.cn/A66TBGY3上的项目页面。
authors: Luca Morreale, Noam Aigerman, Paul Guerrero, Vladimir G. Kim, Niloy J. Mitra
via: arXiv.2204.02289:http://t.cn/A66TBGYu
time: 2022-04-05T15:40:11Z
#CV论文上新咯##计算机视觉##深度学习##人工智能#