用于多层次细节的隐式 3D 形状模型

隐式神经表示将形状特定的潜在代码和 3D 坐标映射到其对应的有符号距离 (SDF)值。然而，这种方法仅提供单一的细节层次。通过浅层网络模拟低层次细节可以实现，但生成的形状通常不光滑。或者，某些网络设计提供多个细节层次，但仅限于对单个对象进行过拟合。为此，我们提出了一种新的形状建模方法，实现了多个细节层次并保证每个层次上的光滑表面。其核心是引入一种用于多尺度和带宽受限神经架构的新型潜在条件。这导致多个形状的深层参数化，其中早期层快速输出近似 SDF 值。这使得在单个网络中在速度和准确性之间进行权衡，并提高了隐式场景渲染的效率。我们演示，通过限制网络的带宽，可以在所有细节层次上维持光滑的表面。对于更细的层次，重建质量与单一细节层次的前沿模型相当后者仅限于单一细节层次。