NeReF:用于流体表面重建与隐式表示的神经折射场
计算机视觉与模式识别
2022-03-09 v1
摘要
现有的神经重建方案如神经辐射场 (NeRF) 主要集中于对不透明物体建模。我们提出一种新颖的神经折射场 (NeReF),通过同时估计流体前表面的位置与法线来恢复透明流体的波前。与将重建目标视为单层表面的已有方法不同,NeReF 专门公式化为恢复一个带相应密度场的体素法线场。一条查询光线将根据 NeReF 累积的折射点与法线发生折射,我们利用折射光线的对应性与唯一性来优化 NeReF。我们表明,NeReF 作为一种全局优化方案,能更鲁棒地处理不利于传统对应匹配方法的折射畸变。此外,波前的连续 NeReF 表示支持视图合成与法线积分。我们在合成与真实数据上验证了我们的方法,并显示其特别适用于稀疏多视角采集。因此我们搭建了一个小型光场阵列,并在多种表面形状上实验以展示高保真 NeReF 重建。
引用
@article{arxiv.2203.04130,
title = {NeReF: Neural Refractive Field for Fluid Surface Reconstruction and Implicit Representation},
author = {Ziyu Wang and Wei Yang and Junming Cao and Lan Xu and Junqing Yu and Jingyi Yu},
journal= {arXiv preprint arXiv:2203.04130},
year = {2022}
}