テルアビブ大学によるポイントクラウド（点群）から破綻・ノイズの極力少ないメッシュを再構築する為の新たなアプローチ「Point2Mesh」SIGGRAPH 2020 技術論文
本稿では、入力点群から表面メッシュを再構築する手法であるPoint2Meshを紹介します。予想される形状プロパティをエンコードする事前分布を明示的に指定する代わりに、事前分布は入力点群を使用して自動的に定義されます。これを自己優先と呼びます。self-priorは、ディープニューラルネットワークの重みの中で、単一の形状から繰り返し発生する幾何学的反復をカプセル化します。ネットワークウェイトを最適化して、初期メッシュをシュリンクラップに変形します単一の入力点群。共有ローカルカーネルはオブジェクト全体に適合するように計算されるため、これは再構築された形状全体を明示的に考慮します。たたみ込みカーネルは、形状全体でグローバルに最適化されており、形状表面全体でローカルスケールの幾何学的自己相似性を本質的に促進します。自己優先で点群をシュリンクラップすると、望ましい解に収束することを示します。事前に指定された滑らかさと比較すると、望ましくない極小値に閉じ込められることがよくあります。従来の再構成アプローチのパフォーマンスは、現実の世界のスキャンでしばしば見られる非理想的な条件で低下しますが、無指向の法線、ノイズ、欠落（低密度）パーツであるPoint2Meshは、理想的でない条件に対して堅牢です。さまざまな複雑さのさまざまな形状でのPoint2Meshのパフォーマンスを示します。
中々良さそうな気がしますね。
ソースコードも公開されておりますので、気になる方はチェックしてみてください。
リンク
コメント