概要: 距離場を表す球面調和（SH: Spherical Harmonic）表現の集合によって、任意の（属に依存しない）形状を合成する新しい枠組みであるSHARCを提案します。これらの距離場は、表面の内部体積において最適に配置された参照点により固定されており、表面の微細な詳細の学習が最大化されるようにしています。これを達成するために、配置の観点で疎性と中心性を同時に最大化し、さらにその位置から見た表面の可視性も最大化するコスト関数を用います。選択された各参照点について、レイキャスティングにより可視な距離場を表面形状へサンプリングし、Fast Spherical Harmonic Transform（FSHT）を用いてSH係数を計算します。幾何学的忠実度を高めるために、設定可能なローパスフィルタを係数に適用し、近接性に基づく局所整合性の制約によって出力を洗練させます。最先端手法との比較により、SHARCは、モデルの簡潔さ（parsimony）を犠牲にすることなく、再構成精度と時間効率の両方において既存の手法よりも優れていることが示されます。ソースコードは https://github.com/POSE-Lab/SHARC で公開されています。
SHARC: 複雑な形状のための、参照点駆動型 球面調和表現（Spherical Harmonic Representation）
arXiv cs.CV / 2026/4/3
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- SHARCは、球面調和（Spherical Harmonic）の距離場表現を複数使い、参照点を内部体積に最適配置することで、種数に依らず任意形状を合成する新しいフレームワークです。
- 参照点の配置は、疎性・中心性の同時最大化に加えて、参照点からの表面の可視性が高まるようなコスト関数で最適化されます。
- 各参照点について、可視距離場をレイキャスティングでサーフェスへサンプリングし、FSHT（Fast Spherical Harmonic Transform）で係数を算出します。
- 係数は、低域通過フィルタで忠実度を高め、近接性に基づく局所整合性制約で出力をリファインする設計です。
- 既存手法に対して、再構成精度と時間効率の両方で優位でありつつ、モデルのパラメータ数（パーシモニー）を損なわないと評価されています。
