基于神经网络的三角网格简化算法

针对三角网格简化问题,提出了一种利用神经网络直接优化简化网格与输入网格之间的Hausdorff距离来得到合并顶点的最优位置的算法。该算法在神经网络中使用了一个注意力模块来有效地提取网格的几何特征,同时采取了一种全局策略用于减少Hausdorff距离优化过程中不必要的计算。该策略可以得到当前待合并顶点的1-邻域三角面片与输入网格的三角面片间的对应关系,进而允许将简化网格与输入网格之间的Hausdorff距离替换为另外2个小规模三角网格之间的Hausdorff距离。所提算法可以处理任意三角网格并且能够很好地保持输入网格的几何特征。实验结果证明了所提算法的有效性和优越性。