51、DeepMend：用于修复的形状占用函数学习

DeepMend：用于修复的形状占用函数学习

1. 引言

自动化修复破碎形状是一个重要的研究领域，在减少消费者浪费、商业回收、文化遗产修复、医学（如骨科和牙科）以及机器人驱动的修复等方面都有应用。然而，目前该领域受到的关注较少。现有的自动化修复技术大多利用形状对称性来完成破碎形状的修复，但这些技术无法应用于非对称损坏的物体。其他可推广的方法要么在低分辨率体素空间中操作，要么直接推断修复形状，导致修复结果分辨率低或失败率高。

本文提出了 DeepMend，这是一种基于深度学习的新方法，用于根据输入的破碎形状生成高保真的修复形状。该方法受到学习有符号距离函数（SDF）或占用函数以隐式表示连续 3D 域中形状表面的工作启发。与部分形状补全不同，破碎形状包含完整形状中缺失的新断裂区域。DeepMend 利用 DeepSDF 的自动解码器架构来估计修复形状，解决了该架构在生成修复形状时的关键挑战。

2. 相关工作

• 破碎形状的修复 ：
  • 大多数现有方法依赖形状对称性，通过将非破碎区域反射到破碎区域并进行减法运算来修复形状，但无法处理非对称损坏的物体。
  • Lamb 等人的方法不依赖对称性，但需要提供完整的对应形状作为输入。
  • 3D - ORGAN 在低分辨率体素空间中使用生成对抗网络进行形状修复，分辨率不足以准确表示断裂区域的几何复杂性。
  • MendNet 使用占用函数表示形状，但使用单个潜在代码表示整体形状结构和高频断裂表面，导致修复形状过于平滑。而 DeepMend 通过学习完整形状和断裂表面的单独代码，克服