生成高质量 3D 网格，从重建到生成式 AI

 

 

新一代 AI 工作流已经在生成高保真 3D 模型方面取得了巨大成功，从基于给定图像的场景重建，到能够为交互式体验制作资产的生成式 AI。

 

这些生成的 3D 模型通常被提取成标准的三角网格。网格表示法有很多优点，包括支持现有的软件包、高级硬件加速，以及支持物理模拟。然而，并非所有网格都是相同的，只有高质量的网格才能实现这些优点。

 

NVIDIA Research 提出了一种名为“FlexiCubes”的新方法，它可以在 3D 工作流中生成高质量网格，从而提升各类应用的质量。

 

FlexiCubes 网格生成

 

图 1. 用 FlexiCubes 方法重建的网格示例

 

无论是重建还是模拟，AI 工作流的共同之处就是：网格是在优化过程中形成的。在这个过程中的每一步，表示都会不断更新，以更好地匹配所需的输出。

 

全新 FlexiCubes 网格生成方法是通过引入额外的、灵活的参数，来精准调整所生成的网格。通过在优化过程中更新这些参数，网格质量得到极大提高。

 

熟悉基于网格的工作流的人或许使用过 marching cubes 方法来提取网格。FlexiCubes 可以在基于优化的 AI 工作流中直接代替这一方法。

 

图 2. 用 FlexiCubes 方法生成的高质量网格

 

FlexiCubes 通过神经网络工作流，如摄影测量法和生成式 AI，来生成高质量网格。

 

网格越好，AI 越好

 

FlexiCubes 网格提取方法改进了许多最近的 3D 网格生成工作流，进而生成了能够更好表示复杂形状的细节的更高质量的网格。

 

这些生成的网格也非常适合用于物理模拟，因为要想高效产出稳定的模拟，网格的质量尤其重要。四面体网格可直接用于物理模拟。

 

图 3. 用 FlexiCubes 方法生成的四面体网格示例

 

立即探索 FlexiCubes

 

在洛杉矶举办的 SIGGRAPH 2023 大会上，NVIDIA 将这一研究作为其进展之一进行了展示。了解有关此新方法的更多信息，请点击“阅读原文”，关注 FlexiCubes 项目页面。

 

   

SIGGRAPH 2023 

NVIDIA 精彩发布

 

SIGGRAPH 2023 | NVIDIA 主题演讲重磅发布精彩回顾，探索 AI 无限未来！

 

敬请持续关注...

         SIGGRAPH 2023 NVIDIA 主题演讲中文字幕版已上线 ！扫描下方海报二维码，与 NVIDIA 创始人兼首席执行官黄仁勋一起探索 AI 的未来！  

 

 

---

原文标题：生成高质量 3D 网格，从重建到生成式 AI

文章出处：【微信公众号：NVIDIA英伟达】欢迎添加关注！文章转载请注明出处。