NeuSEditor：从多视角图像到文本导引的神经表面编辑
计算机视觉与模式识别
2025-05-19 v1
摘要
隐式表面表示因其紧凑性和连续性受到青睞，但在编辑方面面临重大挑战。尽管近期取得的进展使现有方法在编辑过程中常常无法保持身份一致性和几何一致性。为此，本文提出 NeuSEditor，一种基于多视角图像的文本导引神经隐式表面编辑方法。NeuSEditor 引入一种保留身份的架构，高效地将场景划分为前景与背景，从而实现精确的编辑而不改变场景特有的要素。我们的几何感知蒸馏损失显著提升了渲染与几何质量。该方法通过消除对持续数据集更新和源提示的需求，简化了编辑工作流程。NeuSEditor 在定性和定量结果方面优于最新的 SOTA 方法，如 PDS 和 InstructNeRF2NeRF。
引用
@article{arxiv.2505.10827,
title = {NeuSEditor: From Multi-View Images to Text-Guided Neural Surface Edits},
author = {Nail Ibrahimli and Julian F. P. Kooij and Liangliang Nan},
journal= {arXiv preprint arXiv:2505.10827},
year = {2025}
}