Feb, 2024

H2O-SDF: 使用物体表面场的二阶段学习进行 3D 室内重建

PDF
TL;DR我们介绍了一种新颖的两阶段学习方法，H2O-SDF，用于区分室内环境中的对象和非对象区域。该方法在保持房间布局的几何完整性的同时，捕捉特定对象的复杂表面细节。我们的方法的核心是引入了一种名为对象表面场（OSF）的新概念，用于解决先前阻碍其他方法捕捉高频细节的持续消失梯度问题。通过多个实验，包括消融研究，验证了我们提出的方法。
neural radiance fieldssigned distance fieldsoccupancy fieldsh2o-sdfobject surface field
发现论文，激发创造
  • I$^2$-SDF：使用神经 SDF 射线追踪进行室内场景本质重建与编辑

    本研究提出了一种基于神经距离场的方法，利用可微分的蒙特卡罗光线跟踪技术，从多视角图像中恢复室内场景的形状、辐射和材料，并进行物理模拟和逼真的场景编辑。实验结果表明，该方法在室内场景重建、新视角合成和场景编辑方面优于现有的基线方法。

    Mar, 2023

  • SurroundSDF：基于有向距离域的隐式三维场景理解

    提出 SurroundSDF 方法来通过环境图像隐式地预测连续的感知距离场 (SDF) 和语义场，通过使用基于查询的方法和 Eikonal 公式约束 SDF 以准确描述障碍物表面，并引入一种新的弱监督模式 (Sandwich Eikonal formulation) 来提高表面感知的准确性，实验证明该方法在 nuScenes 数据集上在占用预测和 3D 场景重建任务中取得了最优的结果。

    Mar, 2024

  • 从航空影像进行深度监督的神经表面重建

    通过将深度先验与 Neural Radiance Fields（NeRFs）相结合，我们调查了 NeRFs 在航空图像块表示不同特征的能力，并将其与公开可用的航空图像基准数据集的结果进行了比较。

    Apr, 2024

  • 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

  • GSDF：3DGS 引入 SDF 以提升渲染与重构

    提出了一种新的双分支结构 GSDF，它将 3D 高斯喷洒（3DGS）表示法的灵活和高效与神经符号距离场（SDF）相结合，通过相互指导和联合监督来缓解它们的局限性，并在各种场景上展示了我们的设计能够更准确、更详细地重建表面，并同时使 3DGS 渲染受益于与底层几何更加一致的结构。

    Mar, 2024

  • 基于稀疏点云的无监督占据学习

    通过使用基于边界采样的方法和基于熵的优化过程，我们提出一种从稀疏输入中学习占据场的方法，并展示了该方法在隐式形状推断方面相对于基线方法和现有技术的有效性。

    Apr, 2024

  • 基于神经有向距离场的结构光系统深度重建

    我们介绍了一种新颖的基于神经隐式表示法的多帧结构光设置深度估计技术。通过自我监督的可微分渲染训练神经符号距离场（SDF）。与被动视觉不同，我们利用结构光系统中通过投影模式已知的辐射场，实现几何场的独立优化，确保固定设备定位下的收敛性和网络有效性。为了提高几何保真度，我们在训练过程中引入了基于物体表面的额外颜色损失。实际实验表明，我们的方法在少样本情景下在几何性能上具有优越性，并且在增加模式可用性的情况下实现了可比较的结果。

    May, 2024

  • RaNeuS: 射线自适应神经表面重建

    应用可微辐射场重建图像中的细节、平衡渲染和几何重建两个目标以生成准确而详细的三维表面。

    Jun, 2024

  • AiSDF: 室内场景中结构感知的神经有符号距离场

    在室内场景中，我们提出了一种基于结构感知的在线有符号距离场（SDF）重建框架，特别是在 Atlanta 世界（AW）假设下，命名为 AiSDF。通过该在线框架，我们推断给定场景的潜在 Atlanta 结构，然后估计支撑 Atlanta 结构的平面 surfel 区域，提供了给定场景的显式平面地图。此外，基于这些 Atlanta 平面 surfel 区域，我们对 SDF 重建进行自适应采样和约束结构规律性，从而在保持高层结构的同时增强给定场景的细节。我们在 ScanNet 和 ReplicaCAD 数据集上评估了提出的 AiSDF，证明了该框架能够隐式地重建对象的细节，并在房间尺度的场景中显式地重建结构。

    Mar, 2024

  • ClusteringSDF：用于 3D 分解的自组织神经隐式曲面

    通过神经隐式表面表示，即信号距离函数（SDF），提出了 ClusteringSDF 方法，实现了 3D 中的分割和重建。这项研究通过高效的聚类机制将 2D 标签提升到 3D，并在 ScanNet 和 Replica 数据集上的挑战性场景中取得了与现有技术相竞争的表现，而且训练时间大大缩短。

    Mar, 2024