更好的 3D 网格,从重建到生成式 AI

推荐:使用 NSDT场景编辑器 助你快速搭建可二次编辑的3D应用场景

这些生成的 3D 模型通常提取为标准三角形网格。网格表示提供了许多好处,包括支持现有软件包、高级硬件加速和支持物理仿真。但是,并非所有网格都是平等的,这些优势只能在高质量网格上实现。

NVIDIA 最近的研究发现了一种名为 FlexiCubes 的新方法,用于在 3D 管线中生成高质量的网格,从而提高各种应用程序的质量。

灵活立方体网格生成

图1.通过FlexiCube重建的示例网格

从重建到模拟的 AI 管道的共同要素是网格是通过优化过程生成的。在过程的每个步骤中,都会更新表示以更好地匹配所需的输出。

FlexiCubes网格生成的新思想是引入额外的灵活参数,以精确调整生成的网格。通过在优化过程中更新这些参数,可以大大提高网格质量。

熟悉基于网格的管道的人过去可能使用行进立方体来提取网格。FlexiCubes可以用作基于优化的AI管道中行进立方体的直接替代品。

图2.灵活立方体高品质网眼

FlexiCubes 从摄影测量和生成 AI 等神经工作流程中生成高质量的网格。

更好的网格,更好的人工智能

FlexiCubes 网格提取改进了许多最近的 3D 网格生成管道的结果,生成更高质量的网格,在表示复杂形状中的精细细节方面做得更好。

生成的网格也非常适合物理仿真,其中网格质量对于使仿真高效和稳健尤为重要。四面体网格已准备好用于开箱即用的物理模拟。

图3.柔性立方体四面体网格示例

立即探索灵活立方体

这项研究是作为 NVIDIA 进步的一部分在洛杉矶举行的 SIGGRAPH 2023 上展示的。有关新方法的详细信息,请参阅用于基于梯度的网格优化的灵活等值面提取。在FlexiCubes项目页面上探索更多结果。

原文链接:更好的 3D 网格,从重建到生成式 AI (mvrlink.com)

相关推荐
985小水博一枚呀32 分钟前
【深度学习滑坡制图|论文解读3】基于融合CNN-Transformer网络和深度迁移学习的遥感影像滑坡制图方法
人工智能·深度学习·神经网络·cnn·transformer
AltmanChan33 分钟前
大语言模型安全威胁
人工智能·安全·语言模型
985小水博一枚呀36 分钟前
【深度学习滑坡制图|论文解读2】基于融合CNN-Transformer网络和深度迁移学习的遥感影像滑坡制图方法
人工智能·深度学习·神经网络·cnn·transformer·迁移学习
数据与后端架构提升之路1 小时前
从神经元到神经网络:深度学习的进化之旅
人工智能·神经网络·学习
爱技术的小伙子1 小时前
【ChatGPT】如何通过逐步提示提高ChatGPT的细节描写
人工智能·chatgpt
深度学习实战训练营2 小时前
基于CNN-RNN的影像报告生成
人工智能·深度学习
昨日之日20064 小时前
Moonshine - 新型开源ASR(语音识别)模型,体积小,速度快,比OpenAI Whisper快五倍 本地一键整合包下载
人工智能·whisper·语音识别
浮生如梦_4 小时前
Halcon基于laws纹理特征的SVM分类
图像处理·人工智能·算法·支持向量机·计算机视觉·分类·视觉检测
深度学习lover4 小时前
<项目代码>YOLOv8 苹果腐烂识别<目标检测>
人工智能·python·yolo·目标检测·计算机视觉·苹果腐烂识别
热爱跑步的恒川5 小时前
【论文复现】基于图卷积网络的轻量化推荐模型
网络·人工智能·开源·aigc·ai编程