面向高质量原始基于神经重建的神经谐波纹理
计算机视觉与模式识别
2026-04-09 v2 人工智能
图形学
机器学习
摘要
原始方法如 3D 高斯消散已最近成为新视角合成和相关重建任务的 state-of-the-art 方法。相较于神经场，这些表示方法更灵活、更自适应，且对大规模场景的扩展性更好。然而，单个原始方法的有限表达性使得建模高频细节具有挑战性。我们引入神经谐波纹理 (Neural Harmonic Textures)，这是一种神经表示方法，将潜在特征向量锚定在每个原始方法周围的虚拟脚手架上。这些特征在射线相交点处对原始方法进行插值。受傅里叶分析启发，我们对插值后的特征应用周期性激活，将 alpha 混合转换为谐波分量的加权求和。最终信号通过小型神经网络进行单次延迟传递解码，显著降低计算成本。神经谐波纹理在实时新视角合成中实现了 state-of-the-art 效果，同时弥合了原始方法与神经场之间在重建中的差距。我们的方法可无缝集成到现有的原始方法管道中，如 3DGUT、Triangle Splatting 和 2DGS。我们进一步通过应用于 2D 图像拟合和语义重建来展示其通用性。
引用
@article{arxiv.2604.01204,
title = {Neural Harmonic Textures for High-Quality Primitive Based Neural Reconstruction},
author = {Jorge Condor and Nicolas Moenne-Loccoz and Merlin Nimier-David and Piotr Didyk and Zan Gojcic and Qi Wu},
journal= {arXiv preprint arXiv:2604.01204},
year = {2026}
}