曲线细分新突破：误差直降17倍，无需调参也能自适应插值！
Adaptive Interpolatory Curve Subdivision with Learned Local Angles
📖 AI 总结
本文提出一种自适应插值曲线细分方法，通过学习局部插入角度改进传统细分方案。经典四点与六点插值细分虽能保证曲线经过控制点，但仅由单一全局张力参数控制，难以兼顾平坦区域、急转弯及局部几何变化。作者设计了一种紧凑的逐边预测器，为每条边分配一个插入角度，同时在各细分层级精确复制原始顶点，使插值性成为算子的结构属性，不依赖训练权重。同一预测器结合几何特定的测地原语，可应用于欧氏平面、二维球面和庞加莱圆盘。在密度匹配的评估协议下，该方法将最近邻误差较最佳验证调优的固定张力基线降低五至十七倍，在欧氏情形下较向心Catmull-Rom降低约1.8倍，并显著减少弯曲能量与切线粗糙度，同时与分别针对各几何训练的模型相比仍具竞争力。
🔑 关键词速览
| 插值细分 | 一种曲线细分方法，确保生成的极限曲线精确通过所有原始控制点。 |
| 自适应局部角度 | 为每条边学习一个插入角度，使细分能根据局部几何形状自适应调整。 |
| 逐边预测器 | 一个紧凑的神经网络模块，为每条边预测新顶点的插入角度。 |
| 测地基元 | 在非欧几何（如球面或双曲空间）中用于定义直线或距离的几何基本元素。 |
| 弯曲能量 | 衡量曲线弯曲程度的能量泛函，值越小表示曲线越光滑。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅