Mar, 2021

NeuTex: 用于体积神经渲染的神经纹理映射

PDF
TL;DR该研究介绍了一种通过将几何图形和外观区分开来的方法，使用体积场景表示和可微分体积渲染，利用表面参数化网络以及循环一致性损失等技术，生成高质量的渲染结果，且可直接通过编辑 2D 纹理贴图来修改外观。
volumetric scene representationsdifferentiable volume renderingsurface parameterization networkcycle consistency losshigh-quality rendering
发现论文，激发创造
  • 延迟神经渲染：使用神经纹理进行图像合成

    通过引入 Deferred Neural Rendering 和 Neural Textures，本文提出一种新的渲染模型，可以快速准确地合成出高质量的视觉效果，即使输入的 3D 内容不完整嘈杂，同时可以在多个应用领域内进行使用，例如在新颖的视角合成，场景编辑和面部复制等方面。

    Apr, 2019

  • 神经体积：从图像中学习动态可渲染的体积

    通过学习，我们提出了一种表示动态物体的方法，该方法由编码器 - 解码器网络和可微分的射线行进操作组成，它不需要明确重建或跟踪物体，使用了 3D 体积表示法，表现出更好的图像质量，为高分辨率应用提供了一种从表面到体积的方法

    Jun, 2019

  • Nuvo: 神经网络 UV 映射用于难处理的 3D 表示

    通过神经场来表示连续的 UV 映射，并优化为仅适用于可见点的有效映射，从而解决了现有 UV 映射算法在不规则几何表示上的问题。该方法可用于表示详细的外观编辑。

    Dec, 2023

  • 神经体积网格生成器

    本文提出了一种名为神经体维网格生成器的神经网络模型，可以从随机噪声或参考图像中生成高质量的三维网格结构，并且通过比较实验，证明了这种方法在使用体素作为输入时相对于其他最先进的方法更具有稳健性，并且拥有更好的性能。

    Oct, 2022

  • 神经隐式表面的体绘制

    该论文旨在提高神经体积渲染中几何表示和重建的质量，通过将体积密度定义为拉普拉斯累积分布函数作为有符号距离函数的表示，实现了形状和外观的有效无监督解缠，并在具有多视图的数据集中获得了高质量的几何重建结果。

    Jun, 2021

  • NeuManifold：具高效和高品质绘制支持的神经水密流形重建

    本文介绍了一种从多视角输入图像生成高质量的水密流形网格的方法，该方法将神经体分布的几何初始化与可微分光栅化器进一步优化的不同优点结合起来，证明了该方法可以最大程度地准确重建网格并与现有的图形管道兼容，实现了类似模拟的 3D 应用。

    May, 2023

  • 用于实时渲染可编辑自由视角下的人体表现的 UV 体素

    该研究提出了一种名为 UV Volumes 的新方法，利用 2D 的神经纹理堆栈来分离高频（即非平滑）人类外貌和 3D 体积，并用较小和更浅的神经网络在三维中获得密度和纹理坐标，从而实时渲染可编辑的自由视角视频，可以用于 VR / AR 应用，并且具有重新贴图等有趣应用。

    Mar, 2022

  • Mesh2Tex: 从图像查询生成网格纹理

    Mesh2Tex 使用一种混合网格神经场纹理表示法，从未相关的三维物体几何和照片逼真的 RGB 图像的集合中学习出真实的物体纹理流形，以生成适用于下游应用和 3D 渲染的纹理对象，并可以在具有挑战性的真实世界场景下有效地生成逼真的物体纹理。

    Apr, 2023

  • 基于合成分析的神经纹理可变形网格

    本文提出了一种通过近似合成分析的方法来训练神经网络，利用可变形网格模型来优化图像与三维模型之间的关系，从而实现对数据的稳健泛化，本方法在测试集中表现良好，尤其在数据分布不均时表现更优。

    May, 2023

  • Geo-Neus: 多视角重建的几何一致神经隐式曲面学习

    该论文提出了一种几何一致的神经隐式表面多视图重建方法，该方法利用多视觉几何约束和稀疏几何结构信息，结合有符号距离函数优化，以获得高质量的表面重建结果。

    May, 2022