LightNeuS：利用光照衰减的内镜神经表面重建

我们提出了一种基于单目内镜所采集图像序列进行三维重建的新方法。它基于两个关键洞察。首先，内腔是水密的，这一性质通过用有符号距离函数建模可自然施加。其次，场景光照是变化的。它来自内镜的光源，并随到表面距离的平方反比衰减。为利用这些洞察，我们构建于 NeuS 之上——一种具有从多视图学习外观与 SDF 表面模型出色能力的神经隐式表面重建技术，但目前局限于静态光照场景。为消除此限制并利用像素亮度与深度间的关系，我们修改 NeuS 架构以显式考虑该关系，并引入内镜相机与光源的标定光度模型。我们的方法是首个能生成整段结肠水密重建的方法。我们在体模图像上展示了优异精度。值得注意的是，水密先验结合光照衰减，能够以可接受精度补全表面未观测部分的重建，为癌症筛查探查的自动质量评估、测量观测黏膜的全局百分比铺平了道路。