Feb, 2024

二进制不透明网格：为基于网格的视图合成捕捉细致几何细节

PDF
TL;DR在这项工作中，我们修改了密度场，以鼓励它们向表面聚集，同时保持它们重建薄结构的能力。我们采用了离散不透明度网格表示，通过像素投射多条光线来抗锯齿，最小化不透明度值的二元熵，并开发了基于融合的网格化策略，最后进行网格简化和外观模型拟合。与现有的基于网格的方法相比，我们的模型产生的紧凑网格可以在移动设备上实时渲染，并实现了更高的视角合成质量。
surface-based view synthesisgeometry modelingdensity fieldsopacity grid representationmesh simplification
发现论文，激发创造
  • 高斯不透明度场：无界场景中高效紧凑的表面重建

    通过使用高斯不透明度场 (GOF)，本研究提出了一种高效、高质量、紧凑的无界场景表面重建方法，该方法借助基于光线追踪的 3D 高斯体积渲染，直接提取来自高斯体积的几何信息，并通过正则化来改善几何表达，同时利用阶梯四面体提取方法适应复杂场景，实现了超越现有方法的表面重建和新视角合成效果，同时在质量和速度方面与神经隐式方法相比有明显优势。

    Apr, 2024

  • Zip-NeRF: 基于格点的反锯齿神经辐射场

    使用渲染和信号处理中的思想，将 mip-NeRF 360 和基于网格的模型相结合，使误差比之前的技术低 8%-76%，并且训练速度比 mip-NeRF 360 快 22 倍。

    Apr, 2023

  • 基于体素格优化的辐射场重建：超快收敛

    我们提出了一种超快速收敛的方法，通过从拍摄场景的一组图像中重建场景辐射场来最新的视点合成，该方法采用密度体素网格表示场景几何和 shallow network 表示复杂的视角相关的外观，同时采用了后激活插值和一些先验约束技术，从而使训练时间缩短到 15 分钟以内，并达到了前沿的质量水平。

    Nov, 2021

  • 基于预计算四元数场的体密度渲染

    我们提出了一种新颖的神经辐射场（NeRF）表示，用于非不透明场景，通过利用带纹理的多边形实现快速推理。我们的方法通过对场景进行多边形建模，从纹理中获取不透明度和颜色，并使用透像渲染所需的象限点来模拟体积效应，从而克服了现有方法在体积渲染和建模体积效应方面的局限性。最终色彩图像通过光栅化多边形和片段着色器得到，我们的方法能够在各种设备上进行渲染，并与现有图形框架轻松集成，同时保持体积渲染的优势。

    Dec, 2023

  • Ref-DVGO：反射感知的直接体素网格优化，实现反射场景重构的质量与效率权衡改善

    我们研究了一种基于隐式 - 显式方法的密度场重建和渲染的方案，以在处理反射场景时在效率和质量之间取得均衡，并提出了关于影响重建反射对象结果的因素的假设。

    Aug, 2023

  • 高效神经辐射场渲染的自适应壳

    神经辐射场通过平滑过渡体积 - 表面渲染方法，在加速渲染速度的同时提高视觉保真度，并能够通过提取的网格包络应用于动画和仿真等下游应用。

    Nov, 2023

  • 混合神经渲染：自适应体积表面的高效神经渲染

    使用混合的神经辐射场（HybridNeRF）方法，将大多数对象作为表面渲染，同时以体积化的方式对挑战性区域进行建模，以提高视图合成的质量和实时性。

    Dec, 2023

  • 基于三元类型的透明度和混合测距的仅 RGB NeRF-SLAM

    通过优化体积渲染过程中的光辐射度和不透明度，研究了刚性三维场景的不透明度类型以及如何将三态不透明度与混合参考位姿图优化相结合，以提高传统 RGB-only NeRF-SLAM 的速度和准确性。

    Dec, 2023

  • VoxGRAF: 基于稀疏体素网格的快速 3D 感知图像合成

    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

  • 连接 3D 高斯与网格以进行透视视频渲染

    提出了一种新方法 GauMesh 来模拟和渲染动态场景，利用基于基元的渲染和 3D 高斯与网格相结合，能够更好地表示复杂的场景。

    Mar, 2024