GradientSurf：基于梯度域的从 RGB 视频神经表面重建
计算机视觉与模式识别
2023-10-10 v1
摘要
本文提出 GradientSurf，一种从单目 RGB 视频进行实时表面重建的新算法。受泊松表面重建启发，所提方法建立于表面、体素与有向点云之间的紧密耦合，并在梯度域中求解重建问题。与泊松表面重建在扫描过程结束后通过求解线性系统离线求解泊松方程不同，我们的方法借助神经网络从部分扫描中增量地求在线解，其中泊松层被设计用于监督局部与全局重建。现有方法从 RGB 信号重建时面临的主要挑战是重建表面缺乏细节。我们假设这源于神经网络倾向于学习低频几何特征的谱偏置。为解决这个问题，重建问题被转换到梯度域，其中零阶与一阶能量被最小化。零阶项惩罚表面的位置。一阶项惩罚重建隐式函数的梯度与由以自适应局部密度采样的有向点云所构造的向量场之间的差异。对于室内场景重建任务，视觉与定量实验结果表明，相比先前方法，所提方法在弯曲区域重建出更多细节的表面，并对小物体具有更高保真度。
引用
@article{arxiv.2310.05406,
title = {GradientSurf: Gradient-Domain Neural Surface Reconstruction from RGB Video},
author = {Crane He Chen and Joerg Liebelt},
journal= {arXiv preprint arXiv:2310.05406},
year = {2023}
}