NeRFPrior：将神经辐射场作为先验用于室内场景重建
计算机视觉与模式识别
2025-04-01 v2
摘要
最近的研究表明，先验对于神经隐式函数从多视图RGB图像重建高质量表面至关重要。然而，当前的先验需要大规模预训练，且仅提供几何线索，而不考虑颜色的重要性。本文提出NeRFPrior，采用神经辐射场作为先验，通过体渲染学习符号距离场以进行表面重建。我们的NeRF先验能够提供几何和颜色线索，并且在无需额外数据的情况下即可快速训练。基于NeRF先验，我们能够通过在每条射线相交点上显式施加多视图一致性约束来学习符号距离函数（SDF），以进行表面推断。具体而言，在每条射线相交点上，我们使用先验中的密度作为粗糙的几何估计，同时使用靠近表面的颜色作为线索来检查其从另一视角角度的可见性。对于多视图一致性约束运行不佳的纹理缺失区域，我们进一步引入带置信度权重的深度一致性损失来推断SDF。我们的实验结果在广泛使用的基准测试中优于当前最先进的方法。
引用
@article{arxiv.2503.18361,
title = {NeRFPrior: Learning Neural Radiance Field as a Prior for Indoor Scene Reconstruction},
author = {Wenyuan Zhang and Emily Yue-ting Jia and Junsheng Zhou and Baorui Ma and Kanle Shi and Yu-Shen Liu and Zhizhong Han},
journal= {arXiv preprint arXiv:2503.18361},
year = {2025}
}
备注
Accepted by CVPR 2025. Project page: https://wen-yuan-zhang.github.io/NeRFPrior/