CVPRNov, 2022

使用排列哈密尔顿晶格的隐式曲面，实现快速多视角重建

PDF
TL;DR本文提出了一种包含哈希隐式表面表示的混合方法，通过使用转置矩阵晶格和正则化方案以优化这两个领域，旨在改善神经辐射密度场方法的表面几何恢复问题，并在多个数据集上评估效果。
neural radiance-density fieldhash-based implicit surface representationregularization schemesurface geometrynovel-view rendering
发现论文，激发创造
  • 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

  • 神经几何细节层：使用隐式三维形状的实时渲染

    本篇研究提出了一种基于八叉树的特征体积的神经无人机距离函数模型，实现了高保真的 3D 形状实时渲染，且在多个方面表现出全球领先的复杂形状重建质量与渲染效率。

    Jan, 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

  • 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

  • Voxurf: 基于体素的高效精确的神经表面重建

    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。

    Aug, 2022

  • 具有编码细节级别的抗锯齿神经隐式曲面

    我们提出了 LoD-NeuS，一种用于高频几何细节恢复和抗锯齿新视图渲染的高效神经表示。我们借鉴了具有细节级别的基于体素的表示，引入了一种多尺度三平面场景表示方法，能够捕捉有符号距离函数和空间辐射的细节级别。我们的表示通过沿射线在锥体锥内进行多次卷积特征化来聚合空间特征，并通过可微分渲染优化细节级别特征体积。此外，我们提出了一种误差引导的采样策略，在优化过程中引导有符号距离函数的增长。定性和定量评估表明，与最先进的方法相比，我们的方法在表面重建和逼真视图合成方面取得了优越的效果。

    Sep, 2023

  • 基于全局稀疏 - 局部稠密格点的快速单目场景重建

    研究使用 “符号距离函数” 结合 “稀疏体素块网格” 等算法实现室内场景的平面重建，相较于常规算法在训练与渲染速度上有数量级的提升，同时保持与现有方法相当的精度。

    May, 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

  • 学习符号距离场进行多视角表面重建

    本研究提出了一种基于神经隐式表达并结合立体匹配和特征保持的新型表面重建框架，使用有符号距离场和表面光场直接表示场景几何及外观，并通过优化多视角特征一致性和渲染图像的保真度来精细化表示几何形状，提高了复杂场景拓扑的重建鲁棒性，实验结果表明相较于现有最优方法，本方法在无需输入蒙版的广阔场景网格重建上具有更佳的表现。

    Aug, 2021

  • 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