稀疏数据驱动的网格变形

基于示例的网格变形方法是进行真实形状编辑的强大工具。然而，现有技术通常将所有示例变形模式结合在一起，这可能导致过拟合，即使用过于复杂的模型来解释用户指定的变形。这会导致不合理或不稳定的变形结果，包括感兴趣区域外的意外全局变化。为了解决这一根本限制，我们提出了一种稀疏混合方法，自动选择更少的变形模式来紧凑地描述所需的变形。这种方法以及适当地选择的包括空间局部变形模式的变形基础，带来了显著的优势，包括更有意义、更可靠和更高效的变形，因为应用了更少且更加局部的变形模式。为了应对大旋转，我们开发了一种基于变形梯度的极坐标分解的简单但有效的表示方法，该方法通过尽可能一致的全局优化来解决大规模全局旋转的模糊性。这种简单的表示具有导数的闭形式解，使得稀疏局部表示高效，从而确保互动性能。实验结果表明，我们的方法在结果质量和效率上均优于最先进的数据驱动网格变形方法。