NEF：基于多视角图像的三维参数化曲线重建神经边缘场
计算机视觉与模式识别
2023-03-17 v2
摘要
我们研究从一组已标定的多视角图像中重建物体三维特征曲线的问题。为此，我们学习一个表示三维边缘密度分布的神经隐式场，称之为神经边缘场（NEF）。受 NeRF 启发，NEF 通过基于视角的渲染损失进行优化，即在给定视角渲染二维边缘图，并与该视角图像提取的真值边缘图比较。这种基于渲染的 NEF 可微优化充分利用了二维边缘检测，无需三维边缘监督、三维几何算子或跨视角边缘对应。我们设计了若干技术以确保学习到范围受限且视角无关的 NEF，从而实现鲁棒边缘提取。最终的参数化三维曲线通过迭代优化方法从 NEF 中提取。在合成数据的基准上，我们证明 NEF 在所有指标上均优于现有最先进方法。项目页面：https://yunfan1202.github.io/NEF/。
引用
@article{arxiv.2303.07653,
title = {NEF: Neural Edge Fields for 3D Parametric Curve Reconstruction from Multi-view Images},
author = {Yunfan Ye and Renjiao Yi and Zhirui Gao and Chenyang Zhu and Zhiping Cai and Kai Xu},
journal= {arXiv preprint arXiv:2303.07653},
year = {2023}
}
备注
CVPR 2023