基于空中摄影的深度监督神经表面重建
计算机视觉与模式识别
2025-08-06 v1
摘要
虽然最初 developed for novel view synthesis, Neural Radiance Fields (NeRFs) 近期已成为多视图立体 (MVS) 的替代方案。引发大量研究活动后，尤其在纹理缺失、透明和反射表面方面取得了有希望的成果，而这些情景在传统 MVS 方法中仍具挑战。然而，这些研究大多聚焦于近距离场景，针对空中场景的研究仍不完善。对于此任务，NeRFs 在低图像冗余和数据证据不足的区域（如街道峡谷、立面或建筑阴影处）可能面临困难。此外，训练此类网络计算成本高昂。因此，本文的目标有两个方面：首先，我们调查 NeRFs 应用于不同特征的空中图像块（包括仰角专用、斜视和高分辨率影像）的可行性。其次，在这些调查中，我们展示了整合来自 tie-point measures 的深度先验（由 Bundle Block Adjustment 提供）的优势。我们的工作基于最新框架 VolSDF，后者通过符号距离函数 (SDF) 模型 3D 场景，因为这比 vanilla NeRFs 中的标准体素表示更适用于表面重建。为了进行评估，将 NeRF 基于的重建与公开可用的空中影像基准数据集的结果进行比较。
引用
@article{arxiv.2404.16429,
title = {Depth Supervised Neural Surface Reconstruction from Airborne Imagery},
author = {Vincent Hackstein and Paul Fauth-Mayer and Matthias Rothermel and Norbert Haala},
journal= {arXiv preprint arXiv:2404.16429},
year = {2025}
}