InFusionSurf：利用逐帧内参精化与 TSDF 融合先验学习精炼神经 RGB-D 表面重建
计算机视觉与模式识别
2024-10-08 v3
摘要
我们提出 InFusionSurf，一种针对使用 RGB-D 视频帧进行 3D 表面重建的神经辐射场（NeRF）框架的创新增强方法。在先前采用特征编码以提升优化速度的方法基础上，我们通过精化深度信息进一步提高了重建质量，且对优化时间影响极小。InFusionSurf 通过逐帧内参精化方案解决各深度帧中由相机运动引起的模糊。它引入截断符号距离场（TSDF）融合——一种经典的实时 3D 表面重建方法——作为特征网格的预训练工具，以增强重建细节并加快训练速度。定量与定性对比分析表明，InFusionSurf 在保持优化效率的同时以高精度重建场景。我们通过消融实验进一步验证了内参精化与基于 TSDF 融合的预训练的有效性。
引用
@article{arxiv.2303.04508,
title = {InFusionSurf: Refining Neural RGB-D Surface Reconstruction Using Per-Frame Intrinsic Refinement and TSDF Fusion Prior Learning},
author = {Seunghwan Lee and Gwanmo Park and Hyewon Son and Jiwon Ryu and Han Joo Chae},
journal= {arXiv preprint arXiv:2303.04508},
year = {2024}
}
备注
ICME'24 (Oral), Project page: https://rokit-healthcare.github.io/InFusionSurf/