Implicit-ARAP: Efficient Handle-Guided Deformation of High-Resolution Meshes and Neural Fields via Local Patch Meshing

本文提出了一种神经有符号距离场的局部块网格表示方法。该技术通过将平面块网格投影和变形到级集表面上，仅使用有符号距离场信息及其梯度，就可以离散化输入SDF的局部区域级集。我们的分析表明，相对于标准的Marching Cubes算法，这种方法更准确地逼近了隐式表面。然后，我们将这种表示方法应用于手柄引导变形的设置中：我们引入了两个不同的流水线，利用3D神经场来计算高分辨率网格和神经场在给定约束条件下的As-Rigid-As-Possible变形。我们对我们的方法和各种神经场和网格变形基线进行了全面评估，结果显示两个流水线都在结果质量和鲁棒性方面取得了显着的效率和显著的改进。通过我们的新流水线，我们引入了一种可扩展的方法来解决高分辨率网格上的一个成熟的几何处理问题，并为通过局部块网格扩展其他几何任务到隐式表面领域铺平了道路。

本论文旨在提出一种局部路径网格表示法来处理神经有符号距离场，以解决高分辨率网格变形问题。

本论文提出了一种局部路径网格表示法，通过将平面路径网格投影和变形到等值面表面上，仅使用有符号距离场信息和其梯度来离散化局部区域的等值面。该方法比标准行进立方算法更准确地逼近隐式表面。

本文提出了两种不同的管道，利用3D神经场在给定一组约束条件下计算高分辨率网格和神经场的As-Rigid-As-Possible变形。作者进行了全面的评估，展示了两种管道在结果质量和稳健性方面都取得了显著的效率和改进。本文提出了一种可扩展的方法来解决高分辨率网格上的几何处理问题，并为通过局部路径网格拓展其他几何任务铺平了道路。

最近的相关研究包括：1）神经有符号距离场的研究；2）网格变形的研究；3）隐式表面逼近的研究。