新一代 AI 工作流已經在生成高保真 3D 模型方面取得了巨大成功，從基于給定圖像的場景重建，到能夠為交互式體驗制作資產的生成式 AI。

這些生成的 3D 模型通常被提取成標準的三角網格。網格表示法有很多優點，包括支持現有的軟件包、高級硬件加速，以及支持物理模擬。然而，并非所有網格都是相同的，只有高質量的網格才能實現這些優點。

FlexiCubes 網格生成

圖 1. 用 FlexiCubes 方法重建的網格示例

無論是重建還是模擬，AI 工作流的共同之處就是：網格是在優化過程中形成的。在這個過程中的每一步，表示都會不斷更新，以更好地匹配所需的輸出。

全新 FlexiCubes 網格生成方法是通過引入額外的、靈活的參數，來精準調整所生成的網格。通過在優化過程中更新這些參數，網格質量得到極大提高。

熟悉基于網格的工作流的人或許使用過 marching cubes 方法來提取網格。FlexiCubes 可以在基于優化的 AI 工作流中直接代替這一方法。

圖 2. 用 FlexiCubes 方法生成的高質量網格

FlexiCubes 通過神經網絡工作流，如攝影測量法和生成式 AI，來生成高質量網格。

網格越好，AI 越好

FlexiCubes 網格提取方法改進了許多最近的 3D 網格生成工作流，進而生成了能夠更好表示復雜形狀的細節的更高質量的網格。

這些生成的網格也非常適合用于物理模擬，因為要想高效產出穩定的模擬，網格的質量尤其重要。四面體網格可直接用于物理模擬。

圖 3. 用 FlexiCubes 方法生成的四面體網格示例

立即探索 FlexiCubes

在洛杉磯舉辦的 SIGGRAPH 2023 大會上，NVIDIA 將這一研究作為其進展之一進行了展示。了解有關此新方法的更多信息，請點擊“閱讀原文”，關注 FlexiCubes 項目頁面。

SIGGRAPH 2023

NVIDIA 精彩發布

SIGGRAPH 2023 | NVIDIA 主題演講重磅發布精彩回顧，探索 AI 無限未來！

敬請持續關注...