提出了可微分的基于点的反渲染方法,该方法通过对在不同光照下捕获的图像进行分析合成,估计形状和空间变化的 BRDF。利用混合的基于点和基于体素的几何表示进行快速渲染,并通过正则化基函数的 BRDF 表示来缓解反渲染的无意义性。通过点阴影图渲染提出了一种高效的阴影检测方法。在计算准确性、计算效率和内存占用等方面,DPIR 优于之前的工作。同时,显式的基于点的表示和渲染使得几何和反射的编辑变得直观。
Dec, 2023
快速可靠的形状重建是许多计算机视觉应用的关键要素。神经辐射场证明了逼真的新视角合成是可行的,但在对实景和物体进行快速重建方面要求表现。最近的几种方法基于其他形状表示,特别是 3D 高斯函数。我们对这些渲染器进行扩展,例如集成可微分光流、导出满封闭网格和按射线渲染法线。此外,我们展示了两种最近方法之间的互操作性。这些重建速度快、鲁棒,并且可以在 GPU 或 CPU 上轻松执行。详细的代码和可视化示例请参见网址:https:// 此处为网址
Aug, 2023
我们提出了三个关键要素,可实现高质量的实时(大于等于 30 帧 / 秒)1080p 分辨率的新视图合成,其中包括使用 3D 高斯函数表示场景、优化 3D 高斯函数的相关参数以准确表示场景,并开发了一种快速的可见性感知渲染算法,以加速训练并实现实时渲染。
本文采用卷积前馈神经网络来解决超出直线视野成像中的复杂非线性细节重建问题,能够高效地生成大量的训练数据。实验结果表明,我们的前向传播网络,即使仅在合成数据上训练,也能推广到 SPAD 传感器的测量数据,并能够获得与基于模型的重建方法相媲美的结果。
Jan, 2020
本文提出了一种动态点场模型,它将显式点图形的表现优势与隐式形变网络相结合,以便有效地建模非刚性 3D 表面,并演示了该模型在创建表情逼真的可动人体形象方面的优势。
Apr, 2023
本文提出一种新的方法,可同时优化几何编码、纹理以及材料和场景照明,以从消费级 RGB-D 传感器中获得高质量的 3D 重建。
Aug, 2017
研究了通过多次反射来还原隐蔽空间结构及使用不同相机还原三维物体的方法。
Mar, 2012
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
本文提出一种可扩展且健壮的方法,通过多视点三维立体点云计算三维表面网格,能够处理点密度极大跳跃,用于提取表面假设和合并表面假设,具有卓越的精度和完整性。
May, 2017
本文提出了一种从稀疏多视角图像重建三维场景和对象的新方法,通过利用嵌入在多视角输入中的场景属性,创建精确的伪标签进行优化,而无需任何先验训练。我们的方法通过利用球谐函数来预测场景中点的新辐射,综合考虑所有颜色观察结果,从而提高稀疏视图的表面重建准确性。同时,我们的方法通过代理几何和正确处理遮挡来生成辐射的伪标签,避免了以往的图像变形方法的问题。我们的方法在 DTU 和 Blender 数据集上取得了优越的结果,而无需先前的训练,展示了其在解决稀疏视图重建问题方面的有效性。我们的流程灵活且可集成到其他稀疏视图的隐式神经重建方法中。
Oct, 2023