- 3DGSR:基于 3D 高斯扩展通过隐式表面重建
该研究论文介绍了一种包括隐式曲面重建、三维高斯光照插值以及体积渲染等方法组合的 3D 曲面重建技术,实现了高质量的三维曲面重建并保持了高效率和渲染质量。
- LISR:利用紧致支持径向基函数学习线性三维隐式曲面表示
从部分和嘈杂的三维点云扫描中隐式三维表面重建是经典的几何处理和三维计算机视觉问题。本文提出了一种基于局部支持紧致径向基函数的线性隐式表面表示,并通过使用带标记距离场 (SDF) 数据进行监督学习,学习了物体的三维表面的线性隐式形状表示。所提 - AONeuS: 声光传感器融合的神经渲染框架
我们的研究开发了一种基于物理学的多模态声光神经表面重建框架(AONeuS),能够有效地整合高分辨率 RGB 测量和低分辨率深度解析成像声纳测量,从而在受限的基线上捕获的测量中重建出准确的高分辨率 3D 表面。
- PPSURF:结合补丁与点卷积进行细节表面重建
PPSurf 是一种结合了基于点卷积的全局先验和基于处理局部点云补丁的局部先验的方法,能够在恢复表面细节方面比当前最先进的方法更准确,同时对噪声具有鲁棒性。
- GridFormer:点网格变换器用于表面重建
通过在正规网格特征和离散点特征之间引入高效的点 - 网格变换机制,以及采用边界优化策略,本文提出的方法有效地提升了三维表面重建的精度和准确性。
- NeuSD:多视角文本到图像扩展的表面完整性
我们提出了一种新颖的方法,用于从多个图像中进行 3D 物体表面重建,其中只捕获了物体的一部分。我们的方法基于两个最新发展:使用神经辐射场进行表面重建,用于重建表面的可见部分,以及使用预训练的 2D 扩散模型的指导(SDS)完成未观察到的区域 - 无纹理可变形表面重建与隐形标记
利用荧光染料制作的标记物为表面特征丰富提供了一种新方法,从而简化了三维表面重建和对应跟踪的过程,并展示了在不同场景下的稳健高质量的三维重建和跟踪能力。
- 高保真 RGB-D 监督表面重建的动态体素网格优化
介绍了一种新的基于动态网格优化的高清晰度 3D 表面重建方法,其中包含 RGB 和深度观测,该方法能够在维持计算效率的同时,在合成和真实数据上生成细节丰富的高质量 3D 重建。
- SIRA: 从单张图像生成可重新照明的人物形象
使用基于神经场的两个数据驱动统计模型,从单张图像中重建具有高保真度几何结构和因式化光线和表面材质的人头像,成功分离了全局照明和漫反射和镜面反射反射率,并使头部模型的外观编辑和照明调整成为可能。
- 神经样条:用无限宽神经网络拟合三维曲面
介绍了一种基于无限宽的 ReLU 神经网络随机特征内核的 3D 表面重建技术,它能够超越最近的神经网络技术和 Poisson 表面重建方法,提供了一种简单且易于分析的内核公式,并证明其为更高维度的三次样条插值的推广。
- 保留细节与感知内容的变分多视角立体重建
本文研究了多视角立体重建中的细节保持和内容感知不全变分(DCV)方法,该方法通过交替进行重投影误差最小化和网格去噪,利用图像滤波和图像配准建立了一种新的图像相似度度量,能够有效地保留表面的细节特征,同时提出了一种适应性估计方法,能够更好地抑