Geo-NVS-w：基于 SDF 渲染器的几何感知野外新视角合成
计算机视觉与模式识别
2026-01-14 v1 人工智能
图形学
机器学习
摘要
我们引入了 Geo-NVS-w，一种从非结构化野外图像集合中进行高保真新视角合成的几何感知框架。尽管现有的野外方法已在新视角合成方面表现出色，但它们在复杂曲面上往往缺乏几何基础，有时会产生包含不一致性的结果。Geo-NVS-w 通过利用基于符号距离函数（SDF）的底层几何表示来指导渲染过程，从而解决了这一局限性。这辅以一种新颖的几何保持损失，以确保精细的结构细节得到保留。我们的框架实现了具有竞争力的渲染性能，同时与类似方法相比能耗降低了 4-5 倍。我们证明 Geo-NVS-w 是一种用于野外 NVS 的鲁棒方法，能够产生具有清晰且几何连贯细节的逼真结果。
引用
@article{arxiv.2601.08371,
title = {Geo-NVS-w: Geometry-Aware Novel View Synthesis In-the-Wild with an SDF Renderer},
author = {Anastasios Tsalakopoulos and Angelos Kanlis and Evangelos Chatzis and Antonis Karakottas and Dimitrios Zarpalas},
journal= {arXiv preprint arXiv:2601.08371},
year = {2026}
}
备注
Presented at the ICCV 2025 Workshop on Large Scale Cross Device Localization