基于图卷积网格自编码器的网格参数化

摘要

网格参数化作为数字几何处理的基本工具,在游戏娱乐、工程设计、仿真模拟等多种领域有着广泛的应用背景。传统的网格参数化方法大多通过求解线性系统或者非线性系统获得结果,存在着求解速度慢、不够鲁棒的问题。提出了一个基于图卷积网格自编码器的网格参数化模型,采用了图卷积网格自编码器的编码部分与自行构建的参数化解码部分结合的方式生成网络,使用一类人脸网格数据集作为网络训练数据,并与传统优化算法进行对比。结果表明,使用建立的网格参数化模型,在保证参数化效果的同时,获得参数化结果的速度比SLIM (Scalable Locally Injective Mappings,SLIM)算法快68%,比PP (Progressive Parameterizations)算法快约4倍。