GCRayDiffusion: 基于几何一致射线扩散的姿态自由表面重建
计算机视觉与模式识别
2026-01-29 v1
摘要
准确地从未标记姿态的图像进行表面重建对于高效创建3D物体或场景至关重要。然而，这在联合相机姿态估计方面仍具有挑战性，尤其是在稀疏视角情境下，缺乏足够的视觉重叠。以往方法在密集视角设置下取得了令人瞩目的姿态自由表面重建成果，但在稀疏视角下容易失败。本文提出一种新技术，用于姿态自由表面重建，遵循基于三平面(signed distance field, SDF)的学习方法，但通过对相机姿态估计的射线基采样点进行显式正则化来增强学习。我们的关键贡献是一种新的几何一致射线扩散模型(GCRayDiffusion)，我们将相机姿态表示为神经束射线，通过扩散模型回归噪声射线的分布。更重要的是，我们进一步利用整个场景的三平面SDF对RGRayDiffusion的去噪过程进行条件化，提供有效的3D一致正则化，以实现多视角一致的相机姿态估计。最后，我们将RGRayDiffusion集成到基于三平面的SDF学习中，通过引入来自神经束射线采样点的表面几何正则化，实现即使在稀疏视角输入下也能获得高度准确的姿态自由表面重建结果。广泛的评估表明，我们的GCRayDiffusion在相机姿态估计上比以往方法更准确，稀疏视角下表现出更具几何一致性的表面重建结果。
引用
@article{arxiv.2503.22349,
title = {GCRayDiffusion: Pose-Free Surface Reconstruction via Geometric Consistent Ray Diffusion},
author = {Li-Heng Chen and Zi-Xin Zou and Chang Liu and Tianjiao Jing and Yan-Pei Cao and Shi-Sheng Huang and Hongbo Fu and Hua Huang},
journal= {arXiv preprint arXiv:2503.22349},
year = {2026}
}