高保真 RGB-D 监督表面重建的动态体素网格优化
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
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
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
利用稀疏像素网格表示快速且三维一致地进行生成建模，通过融合渐进式生长、自由空间修剪和适当的正则化方法将单块的 MLPs 替换成三维卷积，实现对具有高视觉保真度的三维场景的高效渲染。
Jun, 2022
本文提出了一种用于在 RGB-D 传感器上进行大规模 3D 重建的实时表面矫正方法，该方法通过实时估计相机运动并在全局姿势图优化中进行精调来纠正可能出现的表面偏差，能够在仅使用单个 GPU 的情况下实现大型环境的实时表面纠正，相比最新技术而言，具有更高的运行时效率并且需要显著更少的内存。
Sep, 2017
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
这篇论文研究了增量场景重建，在提出的混合体素 - 八叉树方法中，利用了隐式表面和显式三角网格表示，以实现快速准确地重建具有逼真颜色的场景。
Apr, 2024
本文提出了基于特征体积的实时密集重建方法，采用稀疏的深度特征体积来预测 TSDF 值，通过多视角图像聚合细节信息进行时序融合，实现了比以往更高分辨率和更完整细节的三维几何图形重建，其在室内和室外场景中都比现有的方法具有更好的实时重建性能。
May, 2023
利用神经多分辨率体素构建的新型稠密同时定位与建图流水线 —NeuV-SLAM，具备超快的收敛速度和增量式扩展能力。通过 RGBD 图像作为输入，构建多分辨率的神经体素来实现快速收敛，同时保持稳健的场景重建和相机跟踪。其中，神经签名距离场（SDF）体素的隐式表示 VDF 是核心，结合了神经 SDF 体素的实现和 SDF 激活策略。该方法通过直接优化体素中的色彩特征和 SDF 值，显著提高了场景收敛速度。为了确保获得清晰的边缘描述，设计了 SDF 激活，即使在体素分辨率受限的情况下，仍能保持出色的场景表示保真度。此外，为了实现快速的增量式扩展和低计算开销，还开发了一种基于哈希的多分辨率体素管理结构 hashMV。该架构与精心设计的体素生成技术和二维场景先验相结合。在 Replica 和 ScanNet 数据集上的实证评估结果验证了 NeuV-SLAM 在收敛速度、跟踪精度、场景重建和渲染质量方面的卓越效能。
Feb, 2024