Mar, 2024

DynoSurf: 基于神经变形的时间一致性动态表面重建

PDF
TL;DR本文探讨了在没有对应关系的情况下，如何从 3D 点云序列中重构出时间连贯的表面。为了解决这个具有挑战性的任务，我们提出了 DynoSurf，这是一个融合可学习变形场和模板表面表示的无监督学习框架。具体而言，我们设计了一种基于可变形四面体表示的粗到细的学习模板表面的策略。此外，我们提出了一种基于可学习控制点和混合权重的可变形表示，可以在保持局部形状一致性的同时非刚性地变形模板表面。实验结果表明，DynoSurf 相对于当前最先进的方法具有显著的优势，展示了其作为动态网格重构强大工具的潜力。该代码可以公开获取于此链接。
发现论文，激发创造
  • DynamicSurf: 基于可优化特征网格的动态神经 RGB-D 表面重建

    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

  • EndoSurf: 基于立体内窥镜视频的形变组织神经表面重建

    通过使用新型的基于神经场的方法 EndoSurf，本文针对 3D 场景的无效表示问题，从 RGBD 序列中学习有效地表示变形表面的形状和纹理，实现了重建立体内软组织的高保真度，且在公共内窥镜数据集上明显优于现有解决方案。

    Jul, 2023

  • 度量一致图集下的时相连续表面重建

    本研究提出了一种无监督的重建方法，从时间演变的点云序列中重建出具有时间一致性的表面序列，并使用神经网络表示重建的表面，通过构建规范对应关系，实现了跨帧的等距重建，达到了超过现有技术的无监督对应关系和表面重建精度的效果。

    Apr, 2021

  • 学习可变形四面体网格用于 3D 重建

    介绍 Deformable Tetrahedral Meshes (DefTet) 作为一种特殊的参数化，利用容积四面体网格用于重建问题，该方法可以同时达到高精度、容积、可学习神经架构，并且可以产生比替代容积方法小得多的网格大小的高保真重建。

    Nov, 2020

  • SurfelWarp: 高效的非体积化单视角动态重建

    我们提出了一种基于 surfel-based geometry 的密集 SLAM 系统，该系统可以实时重建非刚性变形场景，不需要模板或先前的模型。

    Apr, 2019

  • 使用 Delaunay 图神经网络进行可扩展的曲面重建

    一种基于学习的视可见性面重建方法，使用 3D Delaunay 四面体化及基于图神经网络的分类方法识别点云中缺陷区域并生成表面模型的能量模型，以局部几何和视线可见性信息学习能见度模型，结合深度学习和能量模型的优点，优于当前公开的基于学习和非学习的表面重建算法。

    Jul, 2021

  • MorpheuS: 从单目 RGB-D 视频中的神经动态 360° 表面重建

    实现从单目 RGB-D 视频中对可变形物体进行高保真度的 360° 表面重建的 Neural rendering 技术的研究。

    Dec, 2023

  • 野外一致网格重建的在线适应

    本文提出了一种算法，用于从野外视频中重建变形对象实例的时间一致 3D 网格，不需要每个视频帧的 3D 网格注释，2D 关键点或相机姿态，而是将基于视频的重建构建为适用于任何传入测试视频的自监督在线适应问题。

    Dec, 2020

  • SurfelMeshing: 在线基于 Surfel 的网格重建

    该研究解决了从实时 RGB-D 视频中重新构建网格的问题，使用表面小波云，通过异步重新三角化以重构表面网格，并支持强烈变化的扫描分辨率。

    Oct, 2018

  • 学习时空描述符的并行稠密对应关系，实现高效、鲁棒的 4D 重建

    本篇论文介绍了一种基于深度学习和连续变换函数的方法进行 4D 形状重建，使用一个鲁棒的时空形状表征方法来视觉化地表达这些形状并通过动力学模型对其进行建模，实现了四维人体重建。

    Mar, 2021