无监督深度学习的四边形网格重建

发表于 分类于 本文字数： 303 阅读时长 ≈ 1 分钟

无监督深度学习的四边形网格重建

背景

无监督四边形网格重建主要目的是从点云、网格、深度图、或隐式场等输入中，直接输出结构良好的四边形网格（quad mesh），不依赖显式的 ground-truth quad mesh supervision。常使用几何正则、重建误差、边界对齐等自监督损失。

特点

  • 无需标注数据（如 ground-truth quad mesh）

  • 强调几何约束：如对齐、光滑性、四边形一致性、面角平衡等

  • 常与参数化（parameterization）结合

常见方法/流程

  • 隐式字段学习（Implicit Field）：通过神经网络拟合输入几何的隐式表示（如 SDF），之后重建四边形网格。
  • UV parameterization 学习：将输入模型映射为 2D 平面上规则的四边形图案。
  • 四边化优化：在无监督损失下，对神经表示或参数化结果进行优化得到良好四边形划分。

代表性工作

NeurCross: A Neural Approach to Computing Cross Fields for Quad Mesh Generation

QuadriFlow: A Scalable and Robust Method for Quadrangulation(不是深度学习，但常用于比较)

Neural-Singular-Hessian: Implicit Neural Representation of Unoriented Point Clouds by Enforcing Singular Hessian

Aligning Gradient and Hessian for Neural Signed Distance Function