用于室内环境中部分观察物体重建的类别级神经场

神经隐式表示在通过各种成功案例进行3D重建方面吸引了注意。为了进一步实现场景理解或编辑，several 工作已在对象组成重建方面取得进展。尽管它们在观察区域表现优异，但在重建部分观察到的物体时仍受限。为更好地处理此问题，我们引入了类别级神经场，这些场在场景中属于同一类别的物体之间学习有意义的共同3D信息。我们的关键思想是根据观察到的形状对物体进行子分类，以更好地训练类别级模型。然后我们利用神经场来完成通过选择并对齐由射线基于不确定性选择的代表性物体来进行部分观察物体注册的挑艰任务。实验在模拟数据和真实世界数据集上进行，表明我们的方法提高了几个类别中未观察区域重建的效果。