Concise Plane Arrangements for Low-Poly Surface and Volume Modelling

平面布置是表面和体积建模的有用工具。然而，它们的主要缺点是可扩展性差。我们引入了两个关键的创新，使得可以构建复杂对象和整个场景的平面布置：平面插入的排序方案和在布置构建期间直接使用输入点。这两个要素减少了不必要的分割数量，使得构建机制的可扩展性比现有算法提高了两个数量级。我们还引入了一种重新网格化和简化技术，允许我们从布置中提取低多边形表面网格和轻量级凸分解。通过将其与各种不同数据集上的基于学习和传统方法进行比较，我们展示了我们的方法在上述任务中领先于现有方法。我们的实现可在 https://github.com/raphaelsulzer/compod 上获得。

本文旨在解决平面排列在复杂对象和整个场景中的可扩展性问题，提出了两个关键创新点。

本文的关键思路是采用平面插入的排序方案和直接使用输入点来构建平面排列，以减少不必要的分裂，从而提高构建机制的可扩展性。

本文还提出了一种重新网格化和简化技术，可以从排列中提取低多边形表面网格和轻量级凸分解。实验结果表明，本文方法在各种数据集上都取得了最先进的结果，并且相比于现有算法，构建机制的可扩展性提高了两个数量级。本文的代码已经开源。

在这个领域的相关研究包括基于学习的方法和传统方法，例如《Learning to Refine 3D Object Reconstruction》和《Efficient and Exact L1-Regularized 3D Reconstruction》。