基于神经对象先验的在线 3D 场景重建

本文解决了给定 RGB-D 视频序列在对象层面进行在线场景重建的问题。虽然当前的对象感知神经隐式表示前景广阔，但在在线重建效率和形状完善方面受到限制。为缓解上述限制，我们的主要贡献有两个：第一，我们提出一种特征网格插值机制，以持续更新网格基的对象中心神经隐式表示，作为新揭示的对象部件被纳入。第二，我们构建一个包含先前映射对象的数据库，利用相应的形状先验来初始化新视频中的几何对象模型，随后通过 novel views 以及合成过去视图来完成对象，避免丢失原始对象细节。在来自 Replica 数据集的合成环境、真实世界的 ScanNet 序列以及我们实验室中捕获的视频上进行大规模实验，表明我们的方法在重建精度和完整性方面优于最新的神经隐式模型。