3D Texture Coordinates on Polygon Mesh Sequences
Eric Mootz
一种用于为具有变化的拓扑和顶点运动矢量的多边形网格序列创建3D纹理坐标的方法。
A method for creating 3D texture coordinates for a sequence of polygon meshes with changing topology and vertex motion vectors.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
继续探索
Consistently Orienting Facets in Polygon Meshes by Minimizing the Dirichlet Energy of Generalized Winding Numbers
Jacobson等人[JKSH 13]假设广义缠绕数函数的局部相干性可用于正确确定多边形网格中一致的小平面方向。我们报告的方法，以一贯的定向面在多边形网格中最小化广义缠绕数的狄利克雷能量。虽然能量可以简洁地公式化并有效地计算，但我们发现这种方法存在根本性缺陷，并且不幸的是不适用于流行的网格存储库（如Google 3D Warehouse）上共享的大多数手工网格。
TM-NET: Deep Generative Networks for Textured Meshes
我们介绍了TM-NET，一种新的深度生成模型，用于以部分感知的方式合成纹理网格。一旦经过训练，该网络可以从头开始生成新的纹理网格，或者预测给定3D网格的纹理，而无需图像指导。该方法可以为同一网格零件生成合理的、多样的纹理，同时通过条件生成实现了同一形状零件之间的纹理兼容性。具体来说，我们的方法为各个形状部分生成纹理贴图，每个形状部分都是一个可变形的盒子，从而生成具有最小失真的自然UV贴图。该网络分别嵌入部分几何（通过PartVAE）和部分纹理（通过TextureVAE）到各自的潜在空间，以便于学习纹理概率分布的几何条件。我们引入了一个条件自回归模型的纹理生成，它可以条件的部分几何形状和纹理已经生成的其他部分，以实现纹理的兼容性。为了产生高频纹理细节，我们的TextureVAE通过基于字典的矢量量化在高维潜在空间中操作。我们还利用纹理中的相似性作为一种有效的手段来建模复杂的形状结构，包括拓扑细节。大量的实验证明了我们的网络生成的纹理和几何形状的可扩展性，质量和多样性，同时避免了新颖视图合成方法常见的不一致问题。
Simplifying Textured Triangle Meshes in the Wild
本文提出一种野外带纹理三角形网格简化方法，通过修改二次误差度量并独立于UV布局计算网格对应关系，处理非流形网格，避免纹理渗色，实现高质量简化。
Surface-aware Mesh Texture Synthesis with Pre-trained 2D CNNs
针对现有基于学习的网格纹理合成方法的缺陷，提出一种利用适配3D网格的预训练2D CNN的表面感知方法，实现高质量一致纹理合成，效果优于现有最优方法。
Dynamic Polygon Clouds: Representation and Compression for VR/AR
我们引入{\em多边形云}，也称为多边形集或{\em汤}，作为介于多边形网格和点云之间的3D几何形状（包括其属性，如颜色纹理）的可压缩表示。动态或时变的多边形云，如动态多边形网格和动态点云，可以利用时间冗余进行压缩，如果某些挑战得到解决。在本文中，我们提出了压缩静态和动态多边形云，特别是三角形云的方法。我们比较三角形云的三角形网格和点云的压缩方面，现场捕捉动态彩色几何。我们发现，三角形云可以被压缩得几乎和三角形网格一样好，同时对噪声和其他通常在现场捕获中发现的结构更加鲁棒，这些结构违反了光滑表面流形的假设，例如线，点和粗糙的边界。我们还发现，三角形云可以用来压缩点云显着更好的性能比以前展示的点云压缩方法。特别地，对于几何形状的帧内编码，我们的方法在比特率上比基于八叉树的帧内编码提高了5 - 10倍。帧间编码将其提高了2 - 5倍。总的来说，我们的动态三角形云压缩比以前的动态点云压缩提高了33%或更多。
MeshGen: Generating PBR Textured Mesh with Render-Enhanced Auto-Encoder and Generative Data Augmentation
MeshGen提出渲染增强自编码器、几何与生成式渲染数据增强及多视角PBR纹理生成技术，解决了图像到3D网格生成中潜在空间表示、数据稀缺和纹理一致性问题，在形状与PBR纹理生成质量上显著超越现有方法。
Htex: Per-Halfedge Texturing for Arbitrary Mesh Topologies
我们介绍了每半边纹理（Htex）的GPU友好的方法，纹理的任意非线性网格没有显式参数化。Htex建立在半边编码多边形网格的内在三角剖分的见解，其中每个半边跨越一个具有直接邻接信息的唯一三角形。与以前的无参数化纹理方法不同，Htex为输入网格的每个面存储一个单独的纹理，而是为每个半边及其孪生边存储一个方形纹理。我们表明，这种简单的变化，从面对halfedge诱导两个重要的性能高性能参数化的纹理。首先，Htex本身支持任意多边形，而不需要专门的代码，例如，非四边形面。其次，Htex导致了一个简单而高效的GPU实现，每个半边只使用三次纹理提取来产生整个网格的连续纹理。我们通过实时的渲染生产资产来证明HTex的有效性。
On The Topology of Polygonal Meshes
本文探讨了多边形网格的拓扑特性，介绍了欧拉公式和贝蒂数的定义，并讨论了如何将网格转化为拓扑盘。
Textured Mesh Quality Assessment: Large-Scale Dataset and Deep Learning-based Quality Metric
本研究构建了包含343k失真刺激的大规模纹理网格数据集，通过众包收集近15万主观评分，提出基于学习的质量度量，在多个数据集上达到最先进性能，并应用于探索失真交互影响。
PRTT: Precomputed Radiance Transfer Textures
预计算辐射传递（PRT）可以在实时帧速率下实现高质量的光泽材质渲染。PRT涉及在场景的特定点处预先计算球谐（SH）系数的k维传递向量。大多数现有技术预先计算网格顶点处的转移，并为内部点插值颜色。它们需要更精细的网格细分以获得高质量的渲染。在本文中，我们探讨和提出使用纹理存储传输。使用传递纹理可以从传递存储和采样中消除网格分辨率，这对于光泽渲染尤其有用。我们进一步展示光泽的相互反射，通过预先计算额外的纹理。我们彻底讨论了实际方面的传输纹理和分析其性能在实时渲染应用程序。我们展示了同等或更高的渲染质量和FPS，并在几个具有挑战性的场景中展示了结果。
Textured Mesh Saliency: Bridging Geometry and Texture for Human Perception in 3D Graphics
针对传统网格显著性研究未关注纹理影响的问题，该研究构建了6-DOF VR环境下多视角的带纹理网格显著性眼动数据集，并提出融合纹理与几何信息的模型预测表面显著性图，助力3D内容创作与实时渲染应用。
GeoScaler: Geometry and Rendering-Aware Downsampling of 3D Mesh Textures
针对3D网格纹理下采样忽略几何布局与渲染过程的问题，提出GeoScaler方法，通过结合几何线索并最大化渲染视图的视觉保真度，生成比传统方法质量显著更好的纹理。
TriTex: Learning Texture from a Single Mesh via Triplane Semantic Features
针对3D网格纹理迁移难保留源纹理外观的问题，提出TriTex方法，基于三平面架构从单带纹理网格学习体积纹理场，实现语义感知纹理迁移，在新基准上表现优于现有方法，推理更快。
Benchmark of Polygon Quality Metrics for Polytopal Element Methods
针对多面体单元方法，提出一个通用基准测试，探索二维多边形网格与质量度量，以识别更宽松的形状正则性准则，并演示其在虚拟单元方法上的应用。
NeuMesh: Learning Disentangled Neural Mesh-based Implicit Field for Geometry and Texture Editing
近年来，神经隐式绘制技术得到了迅速发展，并在新的视图合成和三维场景重建方面显示出巨大的优势。然而，用于编辑目的的现有神经渲染方法提供有限的功能，例如，刚性变换，或不适用于日常生活中一般对象的细粒度编辑。在本文中，我们提出了一种新的基于网格的表示，通过编码的神经隐式字段与解纠缠的几何和纹理代码的网格顶点，这有利于一组编辑功能，包括网格引导的几何编辑，指定的纹理编辑与纹理交换，填充和绘画操作。为此，我们开发了几种技术，包括可学习的符号指示器，以放大基于网格表示的空间可扩展性，蒸馏和微调机制，使一个稳定的收敛，和空间感知的优化策略，以实现精确的纹理编辑。在真实数据和合成数据上的大量实验和编辑实例证明了该方法在表示质量和编辑能力上的优越性。代码可以在项目网页上找到：https://zju3dv.github.io/neumesh/。
3D Geometric salient patterns analysis on 3D meshes
模式分析是一个广泛的领域，在许多领域具有广泛的适用性。事实上，纹理分析就是其中的一个领域，因为纹理被定义为一组重复或准重复的模式。尽管几何纹理分析在三维网格分析中具有重要意义，但几何纹理分析在几何处理领域的研究较少。提出了一种新的有效的三维三角网格几何纹理分析方法。所提出的方法是一种尺度感知的方法，作为输入的3D网格和用户规模。因此，它提供了一个基于相似性的有意义的类中的纹素聚类。实验结果表明，该算法的真实世界和各种纹理内的合成网格。实验结果表明，该方法在网格简化和网格表面加噪声的情况下具有较好的识别效果。在本文中，我们提出了一个实际应用的语义标注的三维几何显着的纹理。
Mesh Neural Cellular Automata
MeshNCA是一种无需UV映射即可实时生成高质量3D动态纹理的神经元细胞自动机方法，通过多模态监督和用户交互实现了纹理合成的泛化能力。
AutoPoly: Predicting a Polygonal Mesh Construction Sequence from a Silhouette Image
多边形建模是计算机图形学内容创建的核心任务。建模的复杂性，在操作的数量和顺序以及执行它们所需的时间方面，使得学习和执行具有挑战性。我们的目标是自动获得一个给定目标的多边形建模序列。然后，人们可以通过观察结果序列来学习多边形建模，并通过从自动生成的结果开始来加快建模过程。作为一个起点，在未来建立一个系统的3D建模，我们解决了2D形状建模问题，并提出AutoPoly，一种混合方法，从剪影图像生成多边形网格构造序列。我们的方法的核心思想是使用蒙特卡罗树搜索（MCTS）算法和可微渲染分别预测顺序的拓扑动作和几何动作。我们的混合方法可以改变拓扑结构，而最近提出的逆形状估计方法，使用微分渲染只能处理一个固定的拓扑结构。我们新颖的奖励函数鼓励MCTS选择拓扑动作，导致一个更简单的形状没有自相交。我们进一步设计了两种基于深度学习的方法来改进MCTS搜索过程中的扩展和模拟步骤：一种是$n$步“未来动作预测”网络（nFAP-Net），用于生成潜在拓扑动作的候选者;另一种是形状扭曲网络（WarpNet），用于在给定预测的渲染图像和拓扑动作的情况下预测多边形形状。我们证明了我们的方法对多个人造物体类别的2D多边形形状的效率。
Single Mesh Diffusion Models with Field Latents for Texture Generation
提出直接在3D表面操作的场潜变量扩散模型框架，通过离散向量场编码纹理并学习去噪，实现高质量单网格纹理生成、编辑与迁移。
CLIP-Mesh: Generating textured meshes from text using pretrained image-text models
我们提出了一种技术，zero-shot生成的三维模型，只使用一个目标文本提示。在没有任何3D监督的情况下，我们的方法使极限细分表面的控制形状及其纹理贴图和法线贴图变形，以获得与输入文本提示对应的3D资产，并且可以轻松地部署到游戏或建模应用程序中。我们只依赖于预先训练的CLIP模型，该模型将输入文本提示与我们3D模型的差异化渲染图像进行比较。虽然以前的工作主要集中在风格化或生成模型的训练，但我们直接对网格参数进行优化，以生成形状，纹理或两者兼而有之。为了约束优化以产生合理的网格和纹理，我们引入了一些使用图像增强的技术，并使用预先训练的先验知识，在给定文本嵌入的情况下生成CLIP图像嵌入。
QuadLink: Autoregressive Quad-Dominant Mesh Generation via Point-Relation Learning
提出QuadLink框架，通过将点云链接成结构化面片，以自回归方式生成各向异性的四边形主导网格，实现高几何保真度和拓扑质量。
Efficient Plane-Based Optimization of Geometry and Texture for Indoor RGB-D Reconstruction
提出了一种基于平面基元的RGB-D室内场景重建方法。我们的方法作为输入的RGB-D序列和密集的粗网格重建，并生成一个轻量级的，低多边形网格，清晰的面部纹理和尖锐的功能，而不会失去几何细节从原始场景。与现有的仅覆盖场景中较大平面区域的方法相比，我们的方法通过自适应平面构建整个场景，而不会丢失几何细节，并且还保留了网格中的尖锐特征。实验结果表明，该方法比现有方法更有效地从RGB-D数据生成纹理网格。
FlashTex: Fast Relightable Mesh Texturing with LightControlNet
本文提出FlashTex方法，通过引入LightControlNet模型实现光照与材质解耦的快速文本驱动3D网格纹理生成，在保证高质量可重光照纹理的同时显著提升生成速度。
Texture Generation on 3D Meshes with Point-UV Diffusion
本研究针对3D网格高质量纹理合成问题，提出Point-UV扩散的由粗到细流水线，结合点扩散与带混合条件的UV扩散，可处理任意亏格网格，生成具备3D一致性、几何兼容的高保真纹理。
Convolutional Generation of Textured 3D Meshes
虽然最近的2D图像生成模型取得了令人印象深刻的视觉效果，但它们显然缺乏执行3D推理的能力。这严重限制了对生成对象的控制程度以及此类模型的可能应用。在这项工作中，我们利用最近的进展，微分渲染弥合这一差距。我们设计了一个框架，可以生成三角形网格和相关的高分辨率纹理图，只使用2D监督从单视图的自然图像。我们工作的一个关键贡献是将网格和纹理编码为2D表示，这些表示在语义上对齐，并且可以通过2D卷积GAN轻松建模。我们证明了我们的方法在Pascal3D+ Cars和CUB上的有效性，无论是在无条件设置中，还是在模型以类标签、属性和文本为条件的设置中。最后，我们提出了一个评估方法，分别评估网格和纹理质量。
Creating Simplified 3D Models with High Quality Textures
本文提出了一种扩展的KinectFusion算法，它允许创建简化的3D模型与高质量的RGB纹理。这是通过以下方式实现的：（i）使用来自用Kinect深度相机校准的HD RGB相机的图像来创建模型纹理，（ii）使用修改的方案来更新非对称颜色体积中的模型纹理，所述非对称颜色体积包含比几何体积更高数量的体素，（iii）使用基于二次网格抽取算法来简化密集多边形网格模型，以及（iv）创建2D纹理并将其映射到输出3D模型中的每个多边形。该方法通过GPU并行处理实时实现。通过几何和彩色体积的射线投射进行可视化，为用户提供当前扫描的3D模型的实时反馈。实验结果表明，该方法是能够保持模型的纹理质量，即使是一个严重的抽样模型，并且，当重建小物体，照片级真实感的RGB纹理仍然可以重建。
Deep Geometric Texture Synthesis
最近，用于图像生成的深度生成对抗网络发展迅速;然而，只有少量的研究集中在不规则结构的生成模型上，特别是网格。尽管如此，网格生成和合成仍然是计算机图形学中的一个基本课题。在这项工作中，我们提出了一个新的框架合成几何纹理。它从局部邻域（即，局部三角形片）。它学习输入三角剖分面上的深层特征，用于细分和生成跨多个尺度的偏移，而无需参数化参考或目标网格。我们的网络在任何方向上移动网格顶点（即，在法向和切向方向上），从而能够合成几何纹理，这不能由简单的2D位移图来表示。在局部几何面片上进行学习和合成，实现了一个类无关的框架，便于不同类的形状之间的纹理转移。
By-Example Synthesis of Vector Textures
本文提出一种从单个栅格示例合成任意大小矢量纹理的新方法，通过分割提取纹理基元、聚类、邻域描述符及梯度场调整，实现高质量合成，并用感知度量评估。
V2M4: 4D Mesh Animation Reconstruction from a Single Monocular Video
针对单目视频4D网格重建中直接套用3D模型易出现姿态、外观、几何及纹理不一致的问题，提出基于原生3D网格生成模型的V2M4方法，通过多步结构化工作流生成兼容主流软件的高质量4D动画资产，经多场景实验验证了其泛化性与有效性。
SCULPT: Shape-Conditioned Unpaired Learning of Pose-dependent Clothed and Textured Human Meshes
SCULPT提出一种无配对学习框架，结合3D扫描与2D图像，生成姿态相关、穿衣且有纹理的人体网格，并通过属性标签条件缓解姿态与服装的纠缠。
TEXGen: a Generative Diffusion Model for Mesh Textures
本文提出TEXGen，一个7亿参数的扩散模型，首次实现在UV纹理空间直接以前馈方式生成高分辨率纹理贴图，支持文本和单视图图像引导，并可扩展用于纹理修复、补全与合成。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈
发表机构由 AI 从论文文本抽取，如发现错误，欢迎反馈修正建议。