中文

GeoSVR:驾驭稀疏体素以实现几何精准表面重建

计算机视觉与模式识别 2025-11-10 v2

摘要

利用辐射场重建准确表面近年来取得了显著进展。然而,主要基于高斯溶解的现有方法正受到表示瓶颈的限制。本文引入GeoSVR,一个基于显式体素的框架,探索并扩展稀疏体素在实现准确、详尽且完整表面重建方面的潜力。稀疏体素的优势在于保留覆盖完整性和几何清晰度,而相应的挑战也源于场景约束缺失以及表面细化的局部性。为确保场景收敛,本文首先提出体素不确定性深度约束,最大化单目深度线索的效果,同时呈现体素导向的不确定性,以避免质量下降,实现有效且稳健的场景约束,同时保持高度准确的几何。随后,设计稀疏体素表面正则化,以增强微小体素的几何一致性,促进基于体素的锋利准确表面的形成。广泛实验表明,我们在多种具有挑战性的场景中均优于现有方法,在几何精度、细节保留和重建完整性方面均表现卓越,同时保持高效。代码已公开于 https://github.com/Fictionarry/GeoSVR。

关键词

引用

@article{arxiv.2509.18090,
  title  = {GeoSVR: Taming Sparse Voxels for Geometrically Accurate Surface Reconstruction},
  author = {Jiahe Li and Jiawei Zhang and Youmin Zhang and Xiao Bai and Jin Zheng and Xiaohan Yu and Lin Gu},
  journal= {arXiv preprint arXiv:2509.18090},
  year   = {2025}
}

备注

Accepted at NeurIPS 2025 (Spotlight). Project page: https://fictionarry.github.io/GeoSVR-project/