神经隐式曲面的球形引导训练

CVPRSep, 2022

Sphere-Guided Training of Neural Implicit Surfaces

Andreea Dogaru, Andrei Timotei Ardelean, Savva Ignatyev, Egor Zakharov, Evgeny Burnaev

TL;DR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。

Abstract

In recent years, neural distance functions trained via volumetric ray marching have been widely adopted for multi-view 3d reconstruction. These methods, however, apply the ray marching procedure for the entire sc

neural distance functions volumetric ray marching 3d reconstruction implicit function surface modeling

发现论文，激发创造

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

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

基于法向引导的高保真三维曲面重建的神经隐式函数

通过使用一阶微分特性 (即，表面法线)，本文展示了训练神经表示形成高准确度的 3D 表面重建，即使只有两个 RGB 视图可用，极大地改善了以前难以捕捉的复杂几何细节和薄结构。

Jun, 2024

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

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

FastMESH：基于六边形网格神经渲染的快速曲面重构

该论文提出了一种称为 FastMESH 的有效的基于网格的神经渲染方法，通过采用六边形网格模型以及基于粗到细的空间切割方案，可以在快速训练的同时，实现更好的重建和新视角合成效果。

May, 2023

通过具有注意深度融合先验的体渲染学习神经内隐

通过体积渲染和专注深度融合先验进行多视角 RGBD 图像学习神经隐式表示，以准确进行 3D 重建。该方法利用截断有符号距离函数（TSDF）从所有可用的深度图像融合并感知粗糙三维结构，解决了通过体积渲染进行几何推断的不完整深度和被遮挡结构的问题。通过引入注意机制，直接将深度融合先验与学习到的占用情况作为神经隐式函数，该机制可以用于整个场景或同时定位和映射（SLAM）背景下的部分场景。在合成和真实世界的广泛基准测试中，该方法超越了最新的神经隐式方法。

Oct, 2023

NeuSurf：基于表面先验的稀疏输入视图下的神经表面重建

利用表面先验信息实现稀疏视角下高保真度的重构，通过全局几何对齐和本地几何细化，优化粗糙形状和细节，实现的稀疏视角重构框架在稀疏视图下得到了显著提升。

Dec, 2023

UNISURF：统一神经隐式曲面和辐射场用于多视角重建

该研究通过统一的方式制定了表面和体渲染，从而使得无需任何输入蒙版即可实现准确表面重建，并通过实验证明其能够在各方面都优于 NeRF 方法并与 IDR 方法相媲美。

Apr, 2021

点引导的神经隐式表面重建：体积渲染

利用点引导机制实现精确和高效的多视图重建，通过优化神经投影模块和隐式表面表示，提高面向细节和光滑区域的高质量曲面重建，并且对噪声和稀疏数据具有很强的鲁棒性。

Oct, 2023