ICLRAug, 2022

Voxurf: 基于体素的高效精确的神经表面重建

PDF
TL;DR本文介绍了一种基于体素的表面重建方法 Voxurf，它通过两步训练、双重颜色网络和层次几何特征等关键设计解决了体素网格在重建精细几何以及缺乏空间一致性方面存在的问题，相较于之前的全隐式方法，Voxurf 在训练速度提高 20 倍的同时还能获得更高的重建质量。
neural surface reconstructionvoxel-based methodsmulti-view imagesfine-grained geometryvoxurf
发现论文，激发创造
  • VoxNeuS: 通过梯度插值加强基于体素的神经表面重建

    采用梯度插值而不是原始解析梯度来消除其间断性的基于体素的轻量级表面重建方法 VoxNeuS 在消除渐变不稳定性的同时，通过几何 - 辐射分离架构处理几何形变，以提高重建质量。

    Jun, 2024

  • 神经 RGB-D 表面重建

    该研究论文提出了一种基于截断有符号距离函数的 NeRF 框架的 3D 重建方法，结合 RGB-D 传感器和相机细化技术，得到高质量的空间重建结果。

    Apr, 2021

  • 基于体渲染学习神经隐式曲面的多视角重建

    该研究提出了一种新颖的神经表面重建方法 NeuS，将表面表示为带符号距离函数的零水平集，并开发了一种新的体积渲染方法来训练神经 SDF 表示，自主进行高保真度的物体和场景三维重建。

    Jun, 2021

  • GO-Surf: 基于神经特征网格优化的快速、高保真 RGB-D 表面重建

    GO-Surf 是一种直接的特征网格优化方法，可以从 RGB-D 序列快速准确地重建表面，采用学习的分层特征体素网格对场景建模，以直接优化特征向量并渲染出表面体积，加入 SDF 梯度正则化项以鼓励表面平滑填孔和保持高频细节。其能够在 15 至 45 分钟内优化 1000 至 2000 帧，是现有方法的 60 倍。

    Jun, 2022

  • 高保真 RGB-D 监督表面重建的动态体素网格优化

    介绍了一种新的基于动态网格优化的高清晰度 3D 表面重建方法，其中包含 RGB 和深度观测，该方法能够在维持计算效率的同时，在合成和真实数据上生成细节丰富的高质量 3D 重建。

    Apr, 2023

  • Vox2Cortex: 基于几何深度神经网络的 3D MRI 扫描皮层表面快速显式重构

    本论文提出了一种名为 Vox2Cortex 的基于深度学习的算法，直接从 MRI 扫描中提取顶部正确且三维网格化的大脑皮层界面，相较于传统和基于深度学习的算法更快速、更精准。

    Mar, 2022

  • 彩色神经隐性曲面重建

    本文主要研究目标是在计算机视觉中从多视图图像或单目视频中重建物体表面，作者通过将网格结构与颜色相结合的方式，在去除视角相关颜色的同时通过重新照明网络保持体积渲染性能，通过有向距离函数网络提取表面的网格，并从全局颜色网络获取每个表面顶点的颜色，结果表明该方法在物体扫描任务和公开数据集上的性能优于现有方法。

    Aug, 2023

  • 神经隐式曲面的球形引导训练

    本文提出通过联合训练隐式函数和新的粗球面基础表面重构方法解决多视角三维重建中高频细节重建效率低下的问题，并将其应用到多种隐式表面建模方法的训练过程中，从而获得在合成数据和实际数据集上的统一改进。

    Sep, 2022

  • 从单张图像进行彩色 3D 重建

    本文提出了一种通过一个可视化的二维图像还原立体物体的彩色与形状的方法，该方法为 an end-to-end trainable framework，能够同时处理 shape recovery 和 surface color recovery 问题，并利用一种叫做 Mean Squared False Cross-Entropy Loss 的新方法来处理原有模型表象的稀疏性问题。

    Apr, 2018

  • DynamicSurf: 基于可优化特征网格的动态神经 RGB-D 表面重建

    通过利用深度、表面法线和 RGB 损失来改善重建保真度和优化时间的缺乏多视图线索的非刚性表面的高保真度三维建模的无模型神经隐式表面重建方法 DynamicSurf。

    Nov, 2023