NeuSEditor：从多视角图像到文本导引的神经表面编辑
微分几何
2026-04-15 v1
摘要
隐式表面表示因其紧凑性和连续性而受到青睞，但在编辑方面存在诸多挑战。尽管近期取得的进展，但现有方法往往无法在编辑期间保持身份特征并维持几何一致性。为此，我们提出了 NeuSEditor，这是一种从多视角图像派生的神经隐式表面的文本导引编辑方法。NeuSEditor 引入一种身份保留架构，有效地将场景分为前景和背景，从而实现对特定场景元素的精确修改而不进行更改。我们的几何感知蒸馊损失显著增强了渲染和几何质量。我们的方法通过消除对持续数据集更新和源提示的需求，简化了编辑工作流程。NeuSEditor 在定性和定量结果方面均优于最新的 SOTA 方法，如 PDS 和 InstructNeRF2NeRF。
引用
@article{arxiv.2505.10826,
title = {Free boundary minimal annuli in $S^2_+\times S^1$},
author = {Pak Tung Ho and Juncheol Pyo and Keomkyo Seo},
journal= {arXiv preprint arXiv:2505.10826},
year = {2026}
}
备注
Comments are welcome! (to appear in Proceedings of the Edinburgh Mathematical Society)