基于材料感知的高保真网格重建：GS-2M

我们提出一种基于3D高斯溅写(Material-aware Gaussian Splatting for High-fidelity Mesh Reconstruction,简称GS-2M)的材料感知优化框架，用于从多视图图像进行高保真网格重建。以往工作将这些任务分开处理，难以重建高度镜面反射表面，常依赖外部模型的先验来增强分解结果。相反，我们的方法通过联合优化渲染深度和法线相关的属性来解决这两个问题，既保持几何细节，又对镜面反射表面具有鲁棒性。虽然当代工作能够有效地同时解决这些任务，但常使用复杂的神经组件来学习场景属性，这会限制其规模性能。为进一步消除这些神经组件，我们提出一种基于多视图光度变异的粗糙度监督策略。结合精心设计的损失和优化过程，我们的统一框架能够产生与最先进方法相当的重建结果，能够准确地重建即使是镜面反射表面的三角形网格。我们使用了以往工作中广泛使用的公开数据集，并与最先进的表面重建方法进行了定性比较。项目页面：https://ndming.github.io/publications/gs2m/。