Nov, 2023

PRS：面部无分辨率表面重网格化的尖锐特征先验

PDF
TL;DR表面重建中保留几何特征是一项具有挑战性的计算机视觉任务，我们提出了一种数据驱动的方法，自动检测和重新排列特征，以实现对高分辨率 3D 形状的可伸缩重建。
surface reconstructiongeometric featuresdata-driven approachremeshinghigh-resolution 3d shapes
发现论文，激发创造
  • 语义感知的多视角表面细化

    本研究提出了一种同时更新 3D 表面网格的几何形状和语义分割的方法，其通过交替更新形状和语义标签来进行优化，并在几何细化步骤中使用变分能量最小化来进行网格变形，通过标记特定形状先验来考虑几何形状与语义标签之间的交互作用，在语义分割步骤中，我们使用 MRF 推理更新网格上的分类标签，以使它们与输入图像中的语义分割兼容，并使用先验假设来对不同语义类别的表面形状进行建模，实验表明，该方法可以改善 3D 几何和语义分割。

    Jun, 2017

  • 由三维面部先验引导的人脸超分辨率

    该研究提出了一种将 3D 人脸先验知识与深度卷积神经网络相结合的人脸超分辨率方法。实验结果表明，所提出的方法在面部超分辨率方面取得了优异的效果。

    Jul, 2020

  • PR-NeuS：一种基于先验的残差学习范例，用于快速多视角神经表面重建

    通过引入基于先验的残差学习范式以及哈希编码网络，提出了一种快速多视角神经表面重建方法，实验结果表明仅需约 3 分钟即可重建单个场景的表面，同时保持了竞争性的表面质量。

    Dec, 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

  • 深度几何先验用于表面重建

    使用深度神经网络作为几何先验来实现基于点云的离散曲面重建，无需训练数据或显式正则化，实验表明该几何先验可用于处理包含尖锐特征和平滑有机物体的三维数据。

    Nov, 2018

  • 隐式 - ARAP: 通过局部补丁网格化实现高分辨率网格和神经场的高效手柄导向变形

    本研究提出了一种基于局部补丁网格表示的神经符号距离场方法，结合 3D 神经场和约束集，实现高效的几何变形，并在结果质量和稳定性方面取得显著改进。通过局部补丁网格化，我们解决了高分辨率网格的几何处理问题，并为将其他几何任务应用于隐式曲面领域铺平了道路。

    May, 2024

  • 深度估计三维形状中尖锐几何特征

    提出了 Deep Estimators of Features（DEFs）框架，用于通过标量场回归来准确地预测采样的 3D 形状的尖锐几何特征，并使用该方法来从点云数据中恢复尖锐特征线的显式表示。

    Nov, 2020

  • SieveNet: 基于点特征的网状网络选择

    SieveNet 是一种新的方法，综合考虑了规则拓扑结构、准确的几何信息和网络架构，用于处理 3D 计算机视觉和图形中的网格数据。

    Aug, 2023

  • 点作为形状：可微分泊松求解器

    本文提出了一个基于可微分的 Poisson 曲面重建形式的可微分点到网格层，实现与另外两种不同类型表达（点和网格）之间的连接，达到更好的 3D 重建效果，比基于神经暗示表达的方法更精炼且推理时间加速了一个数量级。

    Jun, 2021

  • 用于少样本全头重建的隐式形状和外观先验

    该研究利用坐标为基础的神经表示学习技术，在少样本条件下实现了全 3D 头部重建，并结合概率形状和外观先验，通过可微分渲染器引导符号距离函数的拟合过程，实现了高效准确的重建，同时利用 H3DS 数据集证明了该方法在几何重建方面具有出色的性能并比之前的方法快一个数量级。

    Oct, 2023