Key points are not available for this paper at this time.
우리는 매우 큰 점 집합에서 표면 모델을 구축할 수 있는 새로운 형상 표현인 다중 레벨 단위 분할 암시 표면을 제시합니다. 우리의 접근 방식에는 세 가지 주요 요소가 있습니다: 1) 표면의 국소 형상을 포착하는 조각별 이차 함수, 2) 이러한 국소 형상 함수를 혼합하는 가중 함수(단위 분할), 3) 국소 형상의 복잡성에 따라 적응하는 옥트리 세분화 방법. 우리의 접근 방식은 국소 형상 함수의 선택에서 상당한 유연성을 제공하며, 특히 적절한 형상 함수를 선택함으로써 에지 및 모서리와 같은 날카로운 특징을 정확하게 표현할 수 있습니다. 오류가 제어된 세분화는 필요한 정확도에 따라 시간 및 메모리 소비가 달라지는 적응 근사를 제공합니다. 국소 근사와 국소 혼합의 분리 덕분에 표현은 전역적이지 않으며 신속하게 생성 및 평가될 수 있습니다. 우리의 표면은 암시 함수로 설명되므로 형상 혼합, 오프셋, 변형 및 CSG와 같은 작업을 간단하게 수행할 수 있습니다.
Ohtake 외 (화요일,) 이 질문을 연구했습니다.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: