Dec, 2023

UniSDF：统一神经表示用于具有反射的复杂场景的高保真度3D重建

HTML
PDF
TL;DR提出了UniSDF，一个可以重建具有反射表面的大规模复杂场景的通用3D重建方法。通过在3D空间中明确混合视图和反射颜色预测参数化技术，使得重建的表面在几何上更准确，特别是对于反射表面。通过与多分辨率网格主干结合，该方法以粗糙到精细的方式进行训练，实现比以前的方法更快的重建速度。大量实验表明，该方法能够稳健地重建具有精细细节和反射表面的复杂大规模场景。
发现论文，激发创造
  • 稀疏多视图图像抓取的深度 3D 捕获：几何和反射

    本研究提出了一种基于多视角立体网络、光谱反射率、深度学习的方法，旨在从六幅图像中重建物体的高质量几何结构和空间变化的BRDF，通过最小化光度误差优化多视角反射率网络的潜在空间，成功地实现了从稀疏数据中重建出高质量的物体，进而渲染出真实的图像。

    Mar, 2020

  • 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

  • NeRS: 野外环境下稀疏视角3D重建的神经反射表面

    本文介绍了一种基于表面模型的神经重建方法 Neural Reflectance Surfaces (NeRS)，通过表面重建和双向反射分布函数 (BRDF) 学习了拍摄对象的形状、漫反射颜色和镜面高光等参数，适用于多角度拍摄的实际场景数据。

    Oct, 2021

  • S$^3$-NeRF：单视角下通过遮挡和阴影得出的神经反射场

    利用单视图图像下不同点光源捕捉来学习神经场景表示，利用阴影和明暗等单目线索推断场景几何，并学习神经反射场，用于代表场景3D几何和BRDF。实验表明，该方法能够从单视图图像中恢复场景的3D几何，包括可见和不可见部分，适用于新视角合成和再照明等应用。

    Oct, 2022

  • NeRO: 多视角图像的反射物体神经几何与BRDF重建

    该研究提出了一种称为NeRO的基于神经渲染的方法，用于从采集于未知环境中的多视角图像中，重建反射物体的几何和BRDF。该方法通过两个步骤解决了在多视角情况下反射物体重建的困难，并成功地重建出了几何和BRDF。

    May, 2023

  • 无3D监督的多视角图像神经三维场景重建

    本文提出了一种新的神经重建方法，使用可访问的 2D 图像作为监督来进行 3D 场景重建，其中通过引入二进制带注符号距离函数、色彩场和概率场等方法实现了场景的重建，并引入了几何和平面约束以实现对场景复杂几何区域和低纹理区域的重建。

    Jun, 2023

  • UNeR3D：无监督重建中基于2D图像的多用途可扩展的3D RGB点云生成

    通过使用UNeR3D，这篇研究论文提出了一种开创性的无监督方法来从2D图像生成详细的3D重建，同时通过应用逆距离加权技术进行颜色渲染，提高了视觉保真度，并展示了在单视图输入和其他情况下的优越成果，从而重塑了3D视觉中的无监督学习范式。

    Dec, 2023

  • NeRSP：稀疏偏振图像用于反射物体的神经三维重建

    我们提出的NeRSP是一种用于具有稀疏偏振图像的反射表面的神经3D重建技术。通过利用偏振图像，我们共同处理了稀疏输入和反射表面所带来的挑战，并通过多视角一致性优化了表面几何模型。在合成和真实数据集上的实验证明，我们仅使用6个视角的输入就实现了最先进的表面重建结果。

    Jun, 2024

  • AniSDF：具有各向异性编码的融合粒度神经表面用于高保真3D重建

    本研究解决了在高保真渲染的同时重建准确几何体这一未解决的问题。提出的AniSDF方法通过物理基础编码，学习融合粒度的神经表面，能够平衡整体结构与细微几何细节，从而实现高质量的几何重建和渲染效果。实验结果表明，该方法显著提升了基于SDF的重建质量和新视角合成表现。

    Oct, 2024

  • 反射感知的平面神经辐射场

    该研究解决了现有神经辐射场在处理复杂平面反射时的局限性，尤其是低频反射不足的问题。提出了一种反射感知的神经辐射场，能够同时建模平面反射体并精确捕捉高频反射的源。研究结果表明，该方法显著提高了场景几何的准确性和反射效果的细节展示。

    Nov, 2024