基于噪声到噪声映射从噪声点云快速学习有符号距离函数

从点云学习有符号距离函数（SDF）是3D计算机视觉中的重要任务。然而，在没有地面实心距离、点法向或干净点云的情况下，当前方法仍难以从噪声点云中学习SDF。为克服这一挑战，我们提出通过噪声到噪声映射来学习SDF，该方法不需要任何干净点云或地面实心监督。我们的创新之处在于噪声到噪声映射，可从单个物体或场景的多个甚至单个噪声观察中推断出高度准确的SDF。我们通过一种新型损失函数实现这一点，该损失函数允许对点云进行统计推理，同时保持几何一致性，尽管点云是不规则的、无序的，且在噪声观察之间没有点对应关系。为加速训练，我们在框架中使用多分辨率哈希编码，这使我们的训练时间缩短了一个数量级，在一分钟内即可收敛。我们进一步引入一种新型方案来提高多视角重建，通过估计SDF作为先验条件来实现。我们的评估在广泛使用的基准测试中表明，我们在从点云或多视角图像进行表面重建、点云去噪和上采样方面优于当前最先进的方法。