无限场景下的 CLEAR-NeRF：基于共线性和局部区域的高精度3D重建
计算机视觉与模式识别
2026-05-28 v1 图形学
摘要
许多真实世界的3D重建应用要求在无限、复杂场景中实现光照下的 photorealism 和度量准确性，而当前的神经辐射场（NeRF）管道仅部分满足这一需求。本研究将NeRF-based 3D重建适用于多区域感兴趣的无限场景，以提高对光照和姿态变化的鲁棒性，同时确保适用于数字孪生应用的度量准确性。我们的方法引入（i）自动的局部区域定位/检测与重建，以无缝优先感兴趣区域，无需增加子模块；（ii）基于共线性的光线采样，以学习光滑的平面和曲面；（iii）深度局部邻域点提取，以抑制表面伪影；（iv）与几何相关的颜色聚合，以缓解光照和姿态引起的变化。结果表明，所提出的管道在基准NeRF模型和已建立的Structure from Motion（SfM）-多视图立体（MVS）解决方案方面表现优异。
引用
@article{arxiv.2605.28125,
title = {CLEAR-NeRF: Collinearity and Local-region Enhanced Accurate 3D Reconstruction in Unbounded Scenes},
author = {Vladislav Polianskii and Elijs Dima and Isabel Salmerón Marazuela and Gergő László Nagy and Sigurdur Sverrisson and Volodya Grancharov},
journal= {arXiv preprint arXiv:2605.28125},
year = {2026}
}