NeRFMeshing:将神经辐射场蒸馏为几何精确的 3D 网格
计算机视觉与模式识别
2023-03-17 v1
摘要
随着神经辐射场(NeRFs)的提出,新视角合成近期取得了巨大进步。NeRF 的核心思想是每个 3D 点可发射辐射,从而可使用可微体积渲染进行视角合成。虽然神经辐射场能准确表示用于图像渲染的 3D 场景,但 3D 网格仍是大多数计算机图形与仿真流水线支持的主要场景表示,可赋能实时渲染与基于物理的仿真等任务。从神经辐射场获取 3D 网格仍是一项开放挑战,因为 NeRF 针对视角合成优化,并未在辐射场上强制准确的底层几何。因此我们提出了一种新颖紧凑且灵活的架构,可从任意 NeRF 驱动的方法轻松实现 3D 表面重建。在训练好辐射场后,我们将体积 3D 表示蒸馏为一个有符号表面近似网络,从而轻松提取 3D 网格与外观。我们最终的 3D 网格在物理上准确,并可在一系列设备上实时渲染。
引用
@article{arxiv.2303.09431,
title = {NeRFMeshing: Distilling Neural Radiance Fields into Geometrically-Accurate 3D Meshes},
author = {Marie-Julie Rakotosaona and Fabian Manhardt and Diego Martin Arroyo and Michael Niemeyer and Abhijit Kundu and Federico Tombari},
journal= {arXiv preprint arXiv:2303.09431},
year = {2023}
}