平面配置は表面およびボリューム・モデリングに有用なツールですが、スケーラビリティが低いのが主な欠点です。我々は、配置構築の効率を大幅に向上させる2つの重要な新機能を導入しました。1つは平面挿入の順序付けスキーム、もう1つは配置構築中の入力点の直接利用です。これらの要素により、不要な分割が減少し、既存のアルゴリズムと比べて2桁の性能向上が得られます。さらに、低ポリゴンの表面メッシュと軽量な凸分解を抽出するためのリメッシングおよび簡略化手法も提案しています。
本研究では、学習ベースの手法と従来の手法を組み合わせた新しい3Dメッシュ再構築フレームワークを提案する。具体的には、深層学習を用いて点群の可視性を予測し、それを利用して適応的な重み付きグラフカット最適化によりメッシュを生成する。この手法は、大規模シーンや複雑な形状の点群に対しても高品質なメッシュ再構築を可能にする。
提案手法は、ユーザーが選択した領域のみを編集できる局所的な3Dモデル操作を可能にする。