Hestia：面向体素面的层次化下一最佳视角获取方法，用于高效三维重建
机器人学
2026-05-18 v4 计算机视觉与模式识别
摘要
三维重建和新视角合成技术的进展，使得高效且照片逼真的渲染成为可能。然而，用于重建的图像要么需要大量人工操作，要么受限于简单预计划的轨迹。为此，近期研究提出了无需在线学习的通用性下一最佳视角规划器，但鲁棒性和性能在各种形状上仍有限。因此，本研究引入体素面感知层次化下一最佳视角获取技术（Hestia），旨在解决基于强化学习的通用方法在五自由度视点预测中的不足。Hestia 通过四个组件系统性地提升规划器：更具多样性的数据集以提升鲁棒性、层次化结构以管理高维连续动作搜索空间、近-greedy 策略以缓解伪相关、以及面向设计以避免忽略几何。实验结果表明，Hestia 实现了显著性的改进，覆盖率至少提升 4%，同时将切姆费距离降低 50%，且保持实时推理。此外，Hestia 在 5 张图像预算下比先前方法在覆盖率上至少高出 12%，并对物体位置变体保持鲁棒性。最后，我们展示 Hestia 作为下一最佳视角规划器，能够应用于实际场景。项目页面为 https://johnnylu305.github.io/hestia web。
引用
@article{arxiv.2508.01014,
title = {Hestia: Voxel-Face-Aware Hierarchical Next-Best-View Acquisition for Efficient 3D Reconstruction},
author = {Cheng-You Lu and Zhuoli Zhuang and Nguyen Thanh Trung Le and Da Xiao and Yu-Cheng Chang and Thomas Do and Srinath Sridhar and Chin-teng Lin},
journal= {arXiv preprint arXiv:2508.01014},
year = {2026}
}
备注
Accepted to the IEEE/CVF Winter Conference on Applications of Computer Vision (WACV) 2026