Zhang, Wentao Wang, Ximeng Li, Xinyao Liao, Wanjuan Su, Wenbing Tao Huazhong University of Science and Technology CVPR 2025 Highlight Spatial AI Network 勉強会 2025/7/15 橋本泰輔 (Preferred Networks)
• 追加の工夫: ハイブリッド特徴表現 ① ボクセル V と三平面 T に学習可能な特徴を格納 ② 空間クエリ q が与えられた際に ▪ V からトライリニア補間で 3D 特徴を算出 ▪ T からバイリニア補間で 2D 特徴を算出 ③ ベース手法に基づき MLP を学習 3D 特徴の強力な空間表現力と 2D 特徴による安定性をいいとこどり ※ 安定性: SDFの滑らかさを維持しアーティファクトを低減する
① 入力点群 P をランダムに摂動させ十分な数の空間クエリ Q を生成する ② ベース手法 (Neural-pull) を用いて Q を SDF=0 に投影し表面クエリ S とする ③ Farthest point sampling (FPS) により一様分布となる点群を得る 2. 曲率の計算 ◦ 曲率を局所的な表面法線の変化度合いと捉える ① SDF の勾配を正規化して各点の法線を算出 ② 法線とK 近傍点の法線とのコサイン類似度に基づき法線偏差を算出 ③ 法線偏差に対し距離に基づく重み付けを行い曲率とする
表面クエリ S と頂点 V の距離を曲率で重み付けして最小化 → 曲率が大きいほど頂点が密に ◦ : V と S の法線の誤差を最小化 → V の法線が S に揃い滑らかに ◦ : V と S 間の Chamfer 距離を最小化 → V が S から大きく外れないように ◦ : V の点間の距離を最大化 → 高曲率領域で V が過度に密集するのを防ぐ
をドロネー分割し多数の四面体を得る ② 各四面体のラベル (内側 / 外側) を求める i. 各四面体内でランダムサンプリングする ii. 各点を SDF Network に入力しラベル (内側 / 外側) を決定する iii. 最多数となるラベルを四面体のラベルとする ③ 異なるラベルを持つ四面体が共有する三角形を抽出する ※ 水密性を有し自己交差のないメッシュが生成できる