通过面片扭曲改进神经隐式表面几何
计算机视觉与模式识别
2022-05-10 v2
摘要
神经隐式表面已成为多视图三维重建的重要技术，但其精度仍然有限。在本文中，我们认为这源于用神经网络学习和渲染高频纹理的困难。因此我们提出在标准神经渲染优化中添加一个跨不同视图的直接光度一致性项。直观上，我们优化隐式几何，使其以一致的方式将视图相互扭曲。我们证明两个要素是此方法成功的关键：（i）扭曲整个面片，使用沿每条光线预测的 3D 点的占据率和法线，并以鲁棒结构相似性（SSIM）度量其相似性；（ii）以如下方式处理可见性与遮挡：不过分重视不正确的扭曲，同时鼓励尽可能完整的重建。我们在标准 DTU 和 EPFL 基准上评估了我们的方法（称为 NeuralWarp），并显示其在两个数据集上均优于最先进的无人监督隐式表面重建超过 20%。
引用
@article{arxiv.2112.09648,
title = {Improving neural implicit surfaces geometry with patch warping},
author = {François Darmon and Bénédicte Bascle and Jean-Clément Devaux and Pascal Monasse and Mathieu Aubry},
journal= {arXiv preprint arXiv:2112.09648},
year = {2022}
}
备注
Accepted at CVPR2022. Project wepbage: http://imagine.enpc.fr/~darmonf/