Instant Field-Aligned Meshes-Related Work

表面重构

• 表面可以通过3D扫描或立体重建获得；这两种技术都以距离图或点云的形式提取表面样本。将它们转换成离散表面的最常用的方法是计算体积距离，利用行进立方体提取零等值面三角形网格。此算法执行效率较高，但是质量太低。
• 本文的算法鲁棒性较好，由于直接操作在数据集上，对噪声有较小的弹性。同时，本算法可以直接生成高质量的三角形以及四边形网格。

局部网格化

• 局部方法使用拓扑操作，如边缘交换、折叠和分割，以提高现有网格的质量。
• 现有方法很难将输出网格边缘精确对准到表面形状，这会影响近似质量。
• 各向异性Voronoi镶嵌可以解决其中一些问题，但是需要昂贵的全局优化，其速度比我们的方法慢许多数量级。
• 由于奇异点的位置不能被显式控制，导致细分曲面的光滑问题
• 本文的方法共享了局部方法的可伸缩性和健壮性，同时提供了形状特征的边缘对齐以及对奇异点放置的控制。

基于草图的网格划分

• 基于草图的方法能够使指导矢量场进行交互式设计，以调整四边形的形状和数量。
• 本文的方法将目前现有的算法的使用限制在精确控制很重要的区域，同时依靠本文提出的优化来自动细分表面的其余部分。

全局参数化

• 全局方法求解涉及整个数据集的全局优化，提供了一种以算法和实现简单为代价的直接方法来控制网格质量和奇异性。
• 大多数全局参数化方法都致力于计算参数化，该参数化的梯度与一组不可积的方向对齐，因此需要复杂的数值算法来强制参数化中的局部注入或低失真。
• 从全局参数化中提取网格是一项困难的任务，需要处理许多特殊情况。
• 可以通过最小化非线性能量来设计可积分场，该方法的主要优点是它们可以创建纯四边形网格，并且可以精确控制边缘对齐和奇点放置，但由于需要计算全局一致性，因此,实现复杂性。对于大型数据集的处理缺乏可扩展性。 
• 本文的算法对失真进行更严格的惩罚，引入额外的奇点来增加元素的均匀性，并改善它们的对齐。
•  本文方法与Ray et al. 提出方法的不同之处;

(1) 本文不是从平滑的全局周期函数计算每三角形参数化，而是直接优化不连续的表面

(2)本文的方法可以精确控制边缘的方向和位置

(3)如果没有指定约束条件，边缘会自然地捕捉到尖锐的特征，而本文的简单算法会以与输入大小成线性比例的方式优化基础能量。

整合

• 四边形主网格可以通过积分曲率线来创建，并且包含大量的奇异点
• 在T形网格中，T形接头允许密度的急剧转变而不会破坏边缘流动
• 本文的算法创建四重优势网格，本文的奇点实现了与T型交叉点类似的效果。 我们的用户界面允许用户以交互方式移动奇点并将其折叠，从而提供对最终结果的高度控制。