基于混合表示与法向先验增强的细粒度室内场景重建

从多视角RGB图像重建室内场景具有挑战性，因为平坦无纹理区域与精细细粒度区域共存。近期方法借助预测的表面法向先验辅助神经辐射场来恢复场景几何，这些方法在地板和墙面区域能生成完整且平滑的结果。然而，由于神经表示能力不足以及预测的法向先验不准确，它们难以捕捉具有高频结构的复杂表面。本工作旨在通过解决上述局限来重建具有细粒度细节的高保真表面。为提升隐式表示的容量，我们提出一种混合架构分别表示低频和高频区域。为增强法向先验，我们引入一种简单而有效的图像锐化与去噪技术，并结合一个估计预测表面法向向量逐像素不确定性的网络。识别此类不确定性可防止我们的模型被不可靠的表面法向监督误导，从而避免阻碍精细几何的准确重建。在基准数据集上的实验表明，我们的方法在重建质量上优于现有方法。此外，所提方法对我们手持手机捕捉的真实室内场景也具有良好泛化性。我们的代码公开于：https://github.com/yec22/Fine-Grained-Indoor-Recon。