NeuRIS：利用法向先验进行室内场景神经重建
计算机视觉与模式识别
2022-10-18 v2
摘要
从二维图像重建三维室内场景是许多计算机视觉与图形学应用中的一项重要任务。该任务的一个主要挑战是，典型室内场景中存在大面积无纹理区域，使得现有方法难以产生令人满意的重建结果。我们提出了一种名为 NeuRIS 的新方法，用于高质量室内场景重建。NeuRIS 的核心思想是将估计的室内场景法向作为先验整合到神经渲染框架中，以重建大面积无纹理形状，并且重要的是以自适应方式实现，从而也能重建具有精细细节的不规则形状。具体而言，我们在优化过程中通过检查重建的多视图一致性来实时评估法向先验的可靠性。只有被接受为可靠的法向先验才会用于三维重建，这通常发生在可能具有弱纹理的平滑形状区域。然而，对于包含小物体或细长结构的区域，法向先验通常不可靠，我们将仅依赖输入图像的视觉特征，因为此类区域通常包含相对丰富的视觉特征（例如阴影变化和边界轮廓）。大量实验表明，NeuRIS 在重建质量方面显著优于最先进的方法。
引用
@article{arxiv.2206.13597,
title = {NeuRIS: Neural Reconstruction of Indoor Scenes Using Normal Priors},
author = {Jiepeng Wang and Peng Wang and Xiaoxiao Long and Christian Theobalt and Taku Komura and Lingjie Liu and Wenping Wang},
journal= {arXiv preprint arXiv:2206.13597},
year = {2022}
}