2019年1月16日 · In this work, we introduce DeepSDF, a learned continuous Signed Distance Function (SDF) representation of a class of shapes that enables high quality shape representation, interpolation and completion from partial and noisy 3D input data.

The DeepSDF code allows for pre-processing of meshes from multiple datasets and stores them in a unified data source. It also allows for separation of meshes according to class at the dataset level. The structure is as follows: .datasources.json. SdfSamples/ <dataset_name>/ <class_name>/ <instance_name>.npz. SurfaceSamples/ <dataset_name>/

2024年1月15日 · DeepSDF（Deep Learning Continuous Signed Distance Functions for Shape Representation）是一种用于3D形状表示的深度学习方法。 这项工作的核心在于使用连续有符号距离函数（Signed Distance Functions, SDFs）来表示3D物体的形状。 SDFs是一种体积场，其值表示空间中每个点到最近物体表面的距离，正负号表示点位于表面内部还是外部。 DeepSDF的主要贡献包括： 连续隐式表面SDF表示：通过深度神经网络学习从3D空间点到连续SDF值的映 …

sdf对于一个输入的点，给出这个点距离物体表面的距离，通常我们把物体外的点到物体表面的距离看作正数，而物体内的点到物体表面的距离看作负数. 所以我们的目标就是拟合这么一个SDF函数。

2020年11月30日 · DeepSDF是一种使用神经网络学习连续有符号距离函数来表示3D形状的方法。 通过避免传统SDF的离散化过程，DeepSDF能够从部分和噪声数据中生成高质量的形状，并且能够表示一类形状的多样性。 模型通过深度前馈网络直接回归SDF值，同时学习形状的隐式空间，以一个隐式向量表示目标形状，提高了灵活性和泛化能力。 1. Modeling SDFs with Neural Networks. 2. Learning the Latent Space of Shapes. 计算机图形学已经提出多种方法来表示3D几何图形。 本 …

为了帮助理解，论文把 DeepSDF 描述为一种基于学习的shape-conditioned classifier，决策边界就是shape表面本身。 用数学表达就是： s > 0是外部，s < 0是内部，s = 0是表面。 目前有两种方式能够对SDF可视化：传统的光栅化方式以及实时光线追踪方式 (raycasting or rasterization)。 感觉raycasting更合适一点吧，marching cubes好像搞复杂了。 核心思想就是直接对点采样，然后直接做回归，简单暴力。 到这里先不要看论文，顺着这个想法想一下我们怎么做。 nerf 也是通过 …

In this work, we introduce DeepSDF, a learned continuous Signed Distance Function (SDF) rep-resentation of a class of shapes that enables high qual-ity shape representation, interpolation and completion from partial and noisy 3D input data.

2020年12月12日 · 这篇博文主要讲解 “DeepSDF: Learning Continuous Signed Distance Functions for Shape Representation” 这篇paper复现过程中的环境配置工作。 由于DeepSDF并没有直接给出训练数据集，只是给出了从原始ShapeNet数据集转SDF数据集的前处理代码，所以需要花费大量的工作来配置数据集处理所需的环境。 强烈建议这一部分在本地完成，不要在远程服务器上进行。 因为远程服务器上一般来说没有管理员权限，没有办法运行 sudo apt install 指令，因此没有 …

论文中提出了一种新的神经表面重建方法，称为NeuS，用于从2D图像输入中高保真地重建对象和场景，将曲面表示为带符号距离函数（SDF）的零值集。 所以将 NerF 中的体密度改为SDF值，将体积渲染方法应用于学习隐式SDF表示，改变体渲染计算公式中的权重值，更好的应用于表面和形状重建。 输入：一组3D对象的姿势图像｛Ik｝，输出：重建表面S。 如下图： 这里引入概率密度函数 S-density： ϕ ( f ( x ) ) logistic density distribution， ϕ (x)是Sigmoid函数的倒数，关于y …

In this work, we introduce DeepSDF, a learned continuous Signed Distance Function (SDF) representation of a class of shapes that enables high quality shape representation, interpolation and completion from partial and noisy 3D input data.