Core Concepts
UODFs provide accurate reconstruction of diverse 3D shapes through unique characteristics and neural networks.
Abstract
未署名の直交距離フィールド(UODFs)は、独自の特性とニューラルネットワークを通じて多様な3D形状の正確な再構築を提供します。SDFやUDFとは異なる特性を持ち、三つの直交方向に沿った最小距離を組み合わせ、遠いサンプルポイントから直接表面点を推定し、レイ間の不連続性を示します。UODFsには三つのニューラルネットワークが必要であり、現在は比較的大きなパラメータ数が必要です。
Stats
UODFsは100エポックでトレーニングされました。
SIRENではEikonal正則化が使用されました。
NGLODは密なボクセルバージョンで使用されました。
NDFとGIFSは単一オブジェクト再構築に調整されました。
HSDFも単一モデルに焦点を当てるように調整されました。
Quotes
"UODFs diverge from conventional SDF and UDF in their unique characteristics."
"Each UODF enjoys a similar working mechanism to a planar laser, capable of accurately measuring distances to the closest surface points along a direction."
"The discontinuous UODF can be fitted well by an MLP network."
"Our reconstructed GEP are in closer proximity to the model surface."