NeuDA：用于高保真隐式表面重建的神经可变形锚点
计算机视觉与模式识别
2023-03-28 v2
摘要
本文研究利用可微光线投射的隐式表面重建。IDR 和 NeuS 等先前工作在预测和渲染表面时忽略了 3D 空间中的空间上下文，因此可能未能捕获小的孔洞与结构等尖锐局部拓扑。为缓解该局限，我们提出一种利用分层体素网格的灵活神经隐式表征，即神经可变形锚点（NeuDA），用于高保真表面重建。NeuDA 维护分层锚点网格，其中每个顶点存储一个 3D 位置（或锚点）而非直接嵌入（或特征）。我们优化锚点网格，使不同局部几何结构可被自适应编码。此外，我们深入探究频率编码策略，并为分层锚点结构引入一种简单的分层位置编码方法，以灵活利用高频与低频几何及外观的特性。在 DTU 和 BlendedMVS 数据集上的实验表明，NeuDA 可生成有前景的网格表面。
引用
@article{arxiv.2303.02375,
title = {NeuDA: Neural Deformable Anchor for High-Fidelity Implicit Surface Reconstruction},
author = {Bowen Cai and Jinchi Huang and Rongfei Jia and Chengfei Lv and Huan Fu},
journal= {arXiv preprint arXiv:2303.02375},
year = {2023}
}
备注
Accepted to CVPR 2023, project page: https://3d-front-future.github.io/neuda