مشفرات أوتوماتيكية متغيرة لنماذج الشبكة الثلاثية الأبعاد المتغيرة

تزداد شعبية المحتويات الهندسية ثلاثية الأبعاد بشكل متزايد. في هذه الورقة، ندرس مشكلة تحليل الشبكات الثلاثية الأبعاد المتغيرة باستخدام الشبكات العصبية العميقة. الشبكات ثلاثية الأبعاد المتغيرة مرنة لتمثيل تسلسلات الرسوم المتحركة ثلاثية الأبعاد وكذلك مجموعات من الأجسام من نفس الفئة، مما يسمح بأشكال متنوعة مع تشوهات غير خطية واسعة النطاق. نقترح إطارًا جديدًا نسميه مشفرات أوتوماتيكية متغيرة للشبكة (mesh VAE) لاستكشاف الفضاء الكامن الاحتمالي لأسطح ثلاثية الأبعاد. الإطار سهل التدريب، ويتطلب أمثلة تدريب قليلة جدًا. نقترح أيضًا نموذجًا موسعًا يسمح بضبط أهمية المتغيرات الكامنة المختلفة بشكل مرن عن طريق تغيير التوزيع السابق. تظهر التجارب الواسعة أن إطارنا العام قادر على تعلم تمثيل معقول لمجموعة من الأشكال القابلة للتشويه، ويحقق نتائج تنافسية لمجموعة متنوعة من التطبيقات، بما في ذلك توليد الأشكال، وتداخل الأشكال، وإدماج فضاء الأشكال واستكشاف الأشكال، متفوقًا على الأساليب المتطورة حاليًا.