ニューラル符号付き距離場における構成的ソリッド幾何学

ニューラルネットワークによってパラメータ化された署名付き距離場（SDF）は、基本的な幾何学的表現として近年注目を集めている。しかし、ニューラルSDFによって符号化された形状を編集することは、依然として未解決の課題である。一般的な幾何学的演算子（例：ブール演算）を活用するアプローチは魅力的だが、そのような編集はしばしば誤った非SDF出力（我々はこれを疑似SDFと呼ぶ）を生成し、下流タスクでの利用を妨げてしまう。 本論文では、アイコナルでありながら真の距離関数ではない擬似SDFの空間を特徴づけ、出力が正確なSDFとなるよう誘導する新規の正則化項である「最接近点損失」を導出する。 我々は、CSGやスイープボリュームなど、従来の方法では疑似SDFが生じやすい多くの演算に対して、本正規化手法の適用可能性を実証し、これらの演算結果に対して真の（ニューラル）SDFを生成することを示す。