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
袁气满满~_~1 分钟前
关于jupyter notebook调用GPU
人工智能·深度学习·jupyter
Dongsheng_201912 分钟前
【手机篇】AI深度学习在手机中框/RT四周外观检测应用方案
人工智能·智能手机
SEO_juper1 小时前
驱动增长,而非浪费:8步整合SEO与PMax,解锁Google AI的隐藏流量
人工智能·搜索引擎·百度·seo·数字营销
IvanCodes1 小时前
一、初识 LangChain:架构、应用与开发环境部署
人工智能·语言模型·langchain·llm
武子康1 小时前
AI研究-117 特斯拉 FSD 视觉解析:多摄像头 - 3D占用网络 - 车机渲染,盲区与低速复杂路况安全指南
人工智能·科技·计算机视觉·3d·视觉检测·特斯拉·model y
Geoking.1 小时前
PyTorch torch.unique() 基础与实战
人工智能·pytorch·python
Fr2ed0m1 小时前
卡尔曼滤波算法原理详解:核心公式、C 语言代码实现及电机控制 / 目标追踪应用
c语言·人工智能·算法
熊猫_豆豆1 小时前
神经网络的科普,功能用途,包含的数学知识
人工智能·深度学习·神经网络
笨蛋不要掉眼泪2 小时前
deepseek封装结合websocket实现与ai对话
人工智能·websocket·网络协议
hesorchen2 小时前
算力与数据驱动的 AI 技术演进全景(1999-2024):模型范式、Infra 数据、语言模型与多模态的关键突破
人工智能·语言模型·自然语言处理