#401
summarized by : Naoya Chiba
Deep Parametric Shape Predictions Using Distance Fields

どんな論文か?

Distance Fieldから形状学習するための損失関数であるGeneral Distance Field Lossを提案,フォントグリフのベクトル化や三次元表面形状の再構成をDistance Field経由で行う.
placeholder

新規性

Chamfer Distanceがサンプリング密度の影響を強く受けること,法線の考慮しないこと,(特にGPUでは)計算が遅いことを指摘.パラメトリックな形状に対する空間的に一様なサンプリングによる形状誤差と法線方向の誤差を推定

結果

フォントグリフのベクトル化・三次元表面形状の再構成というDistance Field経由の学習が必要なタスクに対して,良好な再構成が可能であること・補間やスタイル合成などの良く抽象化されたパラメータが獲得できていることを確認.

その他(なぜ通ったか?等)

最近流行しているDistance Fieldを用いた形状記述に関して,よく知られたChamfer Distance自体の改善というアプローチで貢献した.ラスタライズ&法線の利用というアイデアはシンプルでありながら,性能は明確に向上している.