TPAMI 2024 | DeepMesh：可微等值面提取

DeepMesh: Differentiable Iso-Surface Extraction

题目：DeepMesh：可微等值面提取

作者：Benoît Guillard; Edoardo Remelli; Artem Lukoianov; Pierre Yvernay; Stephan R. Richter; Timur Bagautdinov; Pierre Baque; Pascal Fua

---

摘要

最近，随着连续深度隐式场的出现，几何深度学习取得了显著进展。这些方法允许对任意拓扑的封闭表面进行详细建模，且不依赖于3D欧几里得网格，从而实现了无限分辨率的可学习参数化。然而，这些方法通常不适用于需要显式基于网格的表面表示的应用，因为将隐式场转换为这种表示依赖于Marching Cubes算法，而该算法不能相对于底层隐式场进行微分。在这项工作中，我们消除了这一限制，并引入了一种可微分的方法来从深度隐式场生成显式表面网格表示。我们的关键见解在于，通过推理隐式场扰动如何影响局部表面几何形状，最终可以相对于底层深度隐式场微分3D表面样本的位置。我们利用这一点定义了DeepMesh - 一种端到端可微分的网格表示，其拓扑可以变化。我们通过几个应用验证了