CVPRMar, 2023

NeuDA: 高保真隐式表面重建的神经可变锚点

PDF
TL;DR本文研究利用可微分射线投射进行隐式表面重建。我们提出了一种高保真表面重建的柔性神经隐式表示方法 NeuDA，利用分层体素网格维护分层锚点网格。此外，我们还深入探讨了位置编码策略，并引入了一种简单的分层位置编码方法，以灵活利用高频和低频几何与外观的特性。实验证明，NeuDA 可以产生有前途的网格表面。
implicit surface reconstructiondifferentiable ray castingneural implicit representationhierarchical voxel gridshigh-fidelity surface reconstruction
发现论文，激发创造
  • MDHA: 多尺度可变形变压器与混合锚点的多视角三维目标检测

    多视角 3D 目标检测是自动驾驶系统的重要组成部分，本文提出了一种名为 MDHA 的稀疏查询框架，使用多视角、多尺度输入构建自适应的 3D 输出提案，通过混合锚点的方式来解决数据集特定初始化和计算效率问题，并成功优于现有基线方法。

    Jun, 2024

  • 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

  • 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

  • 神经安格洛：高保真神经表面重建

    本文介绍了一种新的神经表面重建方法 Neuralangelo，该方法结合了多分辨率 3D 哈希网格和神经表面渲染的表示能力。通过利用数值梯度和粗到细优化控制不同级别的细节，即使在没有深度等辅助输入的情况下，Neuralangelo 也可以从多视角图像中有效地恢复密集的 3D 表面结构，比以前的方法实现了更高的精度，从而使得可以用 RGB 视频捕获对大规模场景进行详细的重建。

    Jun, 2023

  • 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

  • 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

  • HF-NeuS: 使用高频细节改进表面重建

    本文提出了 HF-NeuS 方法，在神经渲染中改善了表面重构的质量，首先通过建立透明度函数与 SDF 的关系，将透明度作为变换后的 SDF 来建模，并采用粗到细的策略将 SDF 分解成基函数与偏移函数，最后设计了自适应优化策略，使得训练过程更加关注表面附近存在微小差错的区域，从而获得了比现有技术更好的表面重构质量。

    Jun, 2022

  • 高保真单目动态场景重建的可变形三维高斯模型

    提出了一个使用可变形的 3D 高斯散射方法对动态场景进行重建和渲染，在实时渲染的速度和渲染质量方面优于现有方法。

    Sep, 2023

  • NoPose-NeuS：联合优化相机姿态与神经隐式表面的多视图重建

    NoPose-NeuS 是一种将 NeuS 扩展到联合优化相机姿势、几何和颜色网络的神经隐式表面重建方法，通过将相机姿势编码为多层感知器 (MLP) 并引入多视图特征一致性和渲染深度损失，约束学习到的几何来获得更好的相机姿势和场景表面估计。DTU 数据集上的广泛实验表明，该方法能够估计相对准确的相机姿势，同时保持高质量的表面重建，平均 Chamfer 距离为 0.89。

    Dec, 2023

  • 基于神经动态网格的人类表现建模与渲染

    本文提出了一种综合的神经方法，用于从密集的多视角视频中重建、压缩和渲染人类表演。该方法桥接了传统的动画网格工作流和一类高效的神经技术，其中包括神经表面重构器和混合神经跟踪器，并实现了各种带宽设置下的从动态纹理到光图渲染的渲染方案，展示了其在各种网格应用和各种平台的逼真自由视点体验中的有效性。

    Sep, 2022