摘要
这是一种深度生成的神经网络,可产生结构化的可变形网格。具体来说,对网络进行训练以生成封闭的,可变形的网格零件的空间排列,这些零件尊重形状集合的整体零件结构。我们主要观察的是,尽管3D形状的整体结构可能很复杂,通常可以将形状分解为一组零件,每个零件都同胚为一个盒子,并且可以通过使盒子变形来恢复零件的更小尺寸的几何形状。SDM-NET的体系结构是两级可变自动编码器的体系结构。在零件级别上,PartVAE学习零件几何形状的可变形模型。在结构方面,我们训练了结构零件VAE,共同学习形状集合的零件结构和零件几何形状,确保整体形状结构和表面细节之间的一致性。通过广泛的实验并与最新的深层生成模型进行比较,我们证明了SDM-NET在生成具有视觉质量,灵活拓扑和有意义结构的网格方面的优势,这有利于形状插值和其他后续建模任务。
出处
《电脑知识与技术》
2021年第25期169-171,183,共4页
Computer Knowledge and Technology
基金
行车宝创新训练项目(S201913892035)。
作者简介
赵祥文(1999—),男,河北承德人,本科在读。
