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
Kenneth風车3 分钟前
【第十三章:Sentosa_DSML社区版-机器学习聚类】
人工智能·低代码·机器学习·数据分析·聚类
jndingxin10 分钟前
OpenCV运动分析和目标跟踪(4)创建汉宁窗函数createHanningWindow()的使用
人工智能·opencv·目标跟踪
机器之心12 分钟前
o1 带火的 CoT 到底行不行?新论文引发了论战
android·人工智能
机器之心18 分钟前
从架构、工艺到能效表现,全面了解 LLM 硬件加速,这篇综述就够了
android·人工智能
jndingxin1 小时前
OpenCV特征检测(1)检测图像中的线段的类LineSegmentDe()的使用
人工智能·opencv·计算机视觉
@月落1 小时前
alibaba获得店铺的所有商品 API接口
java·大数据·数据库·人工智能·学习
z千鑫1 小时前
【人工智能】如何利用AI轻松将java,c++等代码转换为Python语言?程序员必读
java·c++·人工智能·gpt·agent·ai编程·ai工具
Modify_QmQ1 小时前
Three.js 实战【3】—— 城市模型渲染
3d·vue3·three·glbf
MinIO官方账号1 小时前
从 HDFS 迁移到 MinIO 企业对象存储
人工智能·分布式·postgresql·架构·开源
aWty_2 小时前
机器学习--K-Means
人工智能·机器学习·kmeans