基于前沿探索的自主隐式室内场景重建

隐式神经表示在三维场景重建方面展现出巨大潜力。近期研究通过基于下一最佳视图（NBV）的方法，将其应用扩展到自主隐式重建。然而，NBV方法无法保证完整的场景覆盖，并且通常需要大量的视点采样，尤其是在复杂场景中。在本文中，我们提出：1）将基于前沿的探索任务用于全局覆盖，并与基于隐式表面不确定性的重建任务相结合，以实现高质量重建；2）引入一种利用颜色不确定性获取隐式表面不确定性的方法，从而减少视图选择所需的时间。进一步地，针对这两项任务，我们提出了一种在视图路径规划中切换模式的自适应策略，以减少时间并保持优越的重建质量。我们的方法在所有规划方法中展现出最高的重建质量，并在涉及重建任务的方法中表现出优越的规划效率。我们将该方法部署在无人机上，结果表明我们的方法能够规划多任务视图并高质量地重建场景。