NLOS-NeuS：非视距神经隐式表面
计算机视觉与模式识别
2023-08-02 v2 图像与视频处理
摘要
非视距（NLOS）成像旨在从可见物体上的间接光推断不可见场景。神经瞬态场（NeTF）被提出用于将场景表示为NLOS场景中的神经辐射场。我们提出NLOS神经隐式表面（NLOS-NeuS），将NeTF扩展为带符号距离函数（SDF）的神经隐式表面，以重建NLOS场景中的三维表面。我们引入两个约束作为损失函数以正确学习SDF，避免非零水平集表面。我们还基于首次返回光子的几何引入SDF的下界约束。实验结果表明，这些约束对于在NLOS场景中学习正确的SDF至关重要。与先前具有离散表示的方案相比，具有神经连续表示的NLOS-NeuS使我们能在保留精细细节的同时重建平滑表面。据我们所知，这是首个在NLOS场景中结合体渲染研究神经隐式表面的工作。
引用
@article{arxiv.2303.12280,
title = {NLOS-NeuS: Non-line-of-sight Neural Implicit Surface},
author = {Yuki Fujimura and Takahiro Kushida and Takuya Funatomi and Yasuhiro Mukaigawa},
journal= {arXiv preprint arXiv:2303.12280},
year = {2023}
}
备注
ICCV 2023