Coverage Axis++: Efficient Inner Point Selection for 3D Shape Skeletonization

我们介绍了Coverage Axis++，这是一种新颖高效的三维形状骨架提取方法。目前这一任务的最先进方法通常依赖于输入的完整性或者计算成本巨大，因此限制了它们的实用性。为了解决这个挑战，Coverage Axis++提出了一种启发式算法来选择骨架点，提供了对中轴变换（MAT）的高精度逼近，同时显著减少了对于各种形状表示的计算强度。我们引入了一种简单而有效的策略，考虑形状的覆盖率、均匀性和中心性来推导骨架点。选择过程强制执行与形状结构的一致性，同时偏向于支配性的中心球，从而在MAT方面引入了一种紧凑的底层形状表示。因此，Coverage Axis++允许对各种形状表示（例如，水密网格、三角形集、点云）进行骨架提取，规定骨架点的数量，有少量的超参数，并且高效计算提高了重建的准确性。广泛的实验验证了Coverage Axis++的效率和有效性。一旦论文发表，代码将公开发布。

提出一种高效的三维形状骨架化方法，解决现有方法在输入的完整性和计算成本方面存在的问题。

提出了一种基于启发式算法的骨架点选择策略，考虑形状覆盖率、均匀性和中心性，从而得到高精度的中轴变换（MAT）近似，并显著降低了计算强度。

该方法允许对各种形状表示进行骨架化，包括水密网格、三角形集和点云。通过引入紧凑的中轴变换表示，提高了重建精度。在广泛的三维形状实验中验证了该方法的效率和有效性。

最近的相关研究包括：《A Survey of Medial Axis Transform》、《Medial Axis Transform: Theory and Practice》等。