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
Shawn_Shawn2 小时前
mcp学习笔记(一)-mcp核心概念梳理
人工智能·llm·mcp
33三 三like4 小时前
《基于知识图谱和智能推荐的养老志愿服务系统》开发日志
人工智能·知识图谱
芝士爱知识a4 小时前
【工具推荐】2026公考App横向评测:粉笔、华图与智蛙面试App功能对比
人工智能·软件推荐·ai教育·结构化面试·公考app·智蛙面试app·公考上岸
腾讯云开发者5 小时前
港科大熊辉|AI时代的职场新坐标——为什么你应该去“数据稀疏“的地方?
人工智能
工程师老罗5 小时前
YoloV1数据集格式转换,VOC XML→YOLOv1张量
xml·人工智能·yolo
Coder_Boy_6 小时前
技术让开发更轻松的底层矛盾
java·大数据·数据库·人工智能·深度学习
啊森要自信6 小时前
CANN ops-cv:面向计算机视觉的 AI 硬件端高效算子库核心架构与开发逻辑
人工智能·计算机视觉·架构·cann
2401_836235866 小时前
中安未来SDK15:以AI之眼,解锁企业档案的数字化基因
人工智能·科技·深度学习·ocr·生活
njsgcs6 小时前
llm使用 AgentScope-Tuner 通过 RL 训练 FrozenLake 智能体
人工智能·深度学习