PNS 论文:可训练神经细分规则补齐 Loop 细分短板

ssh4net · x · 2026-08-19

Hassan Ugail 发布论文 Proximity-Preserving Neural Subdivision (PNS)。经典细分方案(如 Loop subdivision)因固定 stencil 而局部、可重复、解析可tractable,但对曲率集中的局部几何特征(锐利棱线、软边缘)容易欠拟合;而 unconstrained 的神经网格顶点预测在自我迭代细化时又缺乏细分算子应有的结构行为。PNS 提出一种可训练的细化规则:在 Loop 细分基础上叠加一个有界的、保持邻近性的神经修正项,使网络既能自适应局部特征,又保留细分算子的迭代一致性。