68、MeshUDF：UDF 网络的快速可微网格划分

MeshUDF：UDF 网络的快速可微网格划分

在三维图形处理和计算机视觉领域，对无符号距离场（UDF）网络进行有效且可微的网格划分是一项重要的任务。本文将详细介绍相关的评估指标、不同的网格划分方法，并探讨如何利用可微性来拟合稀疏数据。

1. 评估指标

在评估网格质量时，常用的指标有 Chamfer 距离（CHD）、图像一致性（IC）和法线一致性（NC）：
- Chamfer 距离（CHD） ：衡量从表面采样的 3D 点的接近程度，值越低越好。
- 图像一致性（IC） ：是 8 个视角下法线贴图 2D 渲染的 IoU 和余弦相似度的乘积，值越高越好。
- 法线一致性（NC） ：量化 3D 空间中表面法线的一致性，值越高越好。

2. 网格质量和三角剖分速度

我们使用了三种不同的方法对 UDF 进行三角剖分，分别是我们自己的方法（Ours）、球枢算法（BP）和膨胀法（Inflation）。具体信息如下：
- 球枢算法（BP） ：在 900k 点的密集表面采样上应用球枢方法，表面点通过 UDF 场的梯度下降获得。
- 膨胀法（Inflation） ：使用标准的移动立方体算法对场的 ϵ 等值面进行网格划分，其中 ϵ > 0。
- 我们的方法（Ours） ：一种改进的移动立方体算法。

下面是对 300 件服装和 300 辆 ShapeNet 汽车的实验结果：