看到论文这种做法，觉得非常好。 有几个问题，想请教一下： 1. extract_mesh(udf_func, udf_grad_func ...)，这里是两个独立的函数，是否可以简化接口为一个，设置一个是否返回grad的bool。这样外面调用者就很简单。 2. udf被隐含成NN/MLP的参数，这是一种表示方式； 为了和其他重构或者生成环节融合，把这里的neural/deep/latent-udf表示成一个独立的张量，使用形式变为： nn_udf_decoder(udf_tensor)，然后输入给extract_mesh。 这样udf_tensor可以相对独立的的使用。 当然把前序其他生成网络的output作为MLP参数，也是可以的。 3. 如果做成CUDA版本，会不会提取的更快一些？
看到论文这种做法，觉得非常好。
有几个问题，想请教一下：
extract_mesh(udf_func, udf_grad_func ...)，这里是两个独立的函数，是否可以简化接口为一个，设置一个是否返回grad的bool。这样外面调用者就很简单。
udf被隐含成NN/MLP的参数，这是一种表示方式； 为了和其他重构或者生成环节融合，把这里的neural/deep/latent-udf表示成一个独立的张量，使用形式变为： nn_udf_decoder(udf_tensor)，然后输入给extract_mesh。 这样udf_tensor可以相对独立的的使用。 当然把前序其他生成网络的output作为MLP参数，也是可以的。
如果做成CUDA版本，会不会提取的更快一些？