UDiFF: Un framework unificado de conjuntos de datos, puntos de referencia y modelos generativos para funciones de...

Área de la Ciencia:

• Gráficos por Computadora
• Inteligencia Artificial
• Procesamiento de Geometría 3D

Sus antecedentes:

• Las funciones de distancia sin signo (UDF) son efectivas para superficies abiertas pero carecen de modelos generativos 3D dedicados.
• Los conjuntos de datos 3D existentes presentan principalmente mallas estancas, lo que dificulta la investigación de superficies abiertas.
• La generación de contenido 3D diverso de superficies abiertas está limitada por las metodologías actuales.

Objetivo del estudio:

• Presentar UDiFF, un novedoso modelo generativo 3D basado en difusión para UDF.
• Permitir la generación condicional y incondicional de formas 3D texturizadas con superficies abiertas.
• Establecer puntos de referencia estandarizados para la generación y reconstrucción de superficies abiertas basadas en UDF.

Principales métodos:

• Se desarrolló UDiFF, un modelo de difusión que opera en el dominio espacio-frecuencia.
• Se implementó una transformada de wavelet aprendible para la generación de UDF, optimizada a partir de datos.
• Se creó el conjunto de datos UWings con 1509 modelos 3D de criaturas aladas.

Principales resultados:

• UDiFF genera con éxito formas 3D texturizadas con superficies abiertas.
• La transformada de wavelet aprendible supera la selección manual en la generación de UDF.
• El conjunto de datos UWings proporciona un punto de referencia para evaluar métodos basados en UDF.

Conclusiones:

• UDiFF avanza en la modelización generativa 3D para superficies abiertas utilizando UDF.
• El enfoque de wavelet basado en datos mejora el aprendizaje de la representación UDF.
• El conjunto de datos UWings y los puntos de referencia facilitan la investigación futura en la reconstrucción de superficies abiertas.