3QFP：使用三叉四叉树和傅里叶特征位置编码的高效神经隐式表面重建
机器人学
2024-09-20 v2
摘要
与传统显式表示相比，神经隐式表面表示目前作为以低内存成本实现高保真表面重建的手段而备受关注。然而，最先进的方法仍然存在内存使用过多和表面不光滑的问题。这在稀疏输入的大规模应用中尤其成问题，这在机器人用例中很常见。为了解决这些问题，我们首先引入了一种稀疏结构——三叉四叉树，它使用存储在三个平面四叉树投影中的可学习特征来表示环境。其次，我们将可学习特征与傅里叶特征位置编码连接起来。然后通过一个小型多层感知器将组合特征解码为符号距离值。我们证明，这种方法有助于实现更平滑的重建，具有更高的完整率和更少的空洞。与两个最近的基线（一个隐式，一个显式）相比，我们的方法仅需10%–50%的内存，同时达到有竞争力的质量。
引用
@article{arxiv.2401.07164,
title = {3QFP: Efficient neural implicit surface reconstruction using Tri-Quadtrees and Fourier feature Positional encoding},
author = {Shuo Sun and Malcolm Mielle and Achim J. Lilienthal and Martin Magnusson},
journal= {arXiv preprint arXiv:2401.07164},
year = {2024}
}
备注
ICRA2024