La subdivisión de malla fina es una técnica de refinamiento de malla ampliamente utilizada. Los métodos clásicos dependen de reglas ponderadas fijadas a mano, difíciles de generar una malla más fina con detalles apropiados, mientras que los métodos de subdivisión neuronal avanzados, aunque logran un refinamiento no lineal basado en datos, carecen de robustez, están limitados en el nivel de subdivisión y presentan artefactos en nuevas formas. Para resolver estos problemas, se propone un método de refinamiento de malla neuronal (NMR), que aprende a priori geométricos a partir de formas finas, luego refina automáticamente la malla gruesa y muestra una generalización robusta. Nuestro punto de vista clave es la necesidad de desacoplar la red de la información no estructurada (como la escala, la rotación y la traslación) para que pueda concentrarse en el aprendizaje y aplicación de a priori locales para el refinamiento automático. Para ello, se introducen descriptores estructurales internos y filtros neuronales adaptativos locales. Los descriptores estructurales internos excluyen la información no estructurada para alinear los parches locales, estabilizando así el espacio de características de entrada y permitiendo que la red extraiga a priori estructurales de manera robusta. Los filtros neuronales utilizan un mecanismo de atención gráfica para extraer características estructurales locales y aplicar los conocimientos a priori aprendidos a los parches locales. Además, observamos que en comparación con la pérdida L2, la pérdida Charbonnier puede aliviar el suavizado excesivo. Al combinar estas elecciones de diseño, el método propuesto obtiene una capacidad de aprendizaje geométrico robusta y capacidad de adaptación local, refuerza la generalización a formas desconocidas y niveles de refinamiento automático. La técnica se evaluó en un conjunto de formas tridimensionales complejas y los resultados muestran que es superior a los métodos de refinamiento existentes en términos de calidad geométrica. Ver la página del proyecto https://zhuzhiwei99.github.io/NeuralMeshRefinement.
Keywords
Procesamiento geométrico ; Refinamiento de malla ; Subdivisión de malla ; Aprendizaje de representación enredada ; Redes neuronales ; Atención gráfica