这篇文章最初发表在 NVIDIA 技术博客上。
下一代人工智能管道在生成高保真 3D 模型方面取得了令人难以置信的成功，从生成与给定图像匹配的场景的重建，到生成交互式体验资产的生成人工智能管道。
这些生成的三维模型通常被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模拟。然而，并非所有网格都是相等的，这些好处只有在高质量的网格上才能实现。
NVIDIA 最近的研究发现了一种名为 FlexiCubes 的新方法，用于在 3D 管道中生成高质量网格，从而在一系列应用中提高质量。
FlexiCubes 网格生成
图 1。FlexiCube 重建的网格示例s
从重建到模拟，人工智能管道的共同组成部分是通过优化过程生成网格。在过程的每一步，表示都会更新，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、灵活的参数来精确调整生成的网格。通过在优化过程中更新这些参数，大大提高了网格质量。
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 可以作为基于优化的 AI 管道中行进立方体的替代品。
图 2:FlexiCubes 高品质网眼布
FlexiCubes 通过摄影测量和生成 AI 等神经工作流生成高质量网格。
更好的网格，更好的 AI
FlexiCubes 网格提取改进了许多最近的 3D 网格生成管道的结果，生成了更高质量的网格，可以更好地表示复杂形状中的精细细节。
生成的网格也非常适合物理模拟，其中网格质量对于使模拟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。FlexiCubes 四面体网格示例
立即浏览 FlexiCubes
这项研究是 NVIDIA 在洛杉矶 SIGGRAPH 2023 上取得的一部分进展。想要了解更多关于新方法的信息，请参阅 Flexible Isosurface Extraction for Gradient-Based Mesh Optimization。您也可以在 FlexiCubes 项目页面上探索更多结果。