NumGrad-Pull：基于数值梯度引导的三平面表示用于点云表面重建
计算机视觉与模式识别
2026-01-22 v2
摘要
从无向且无序的3D点上重建连续表面是计算机视觉和图形学中的一个基本挑战。最近的研究通过训练神经符号距离函数（SDF），使3D位置查询被拉向表面上最近的点，遵循预测的符号距离以及网络计算的解析梯度。本文引入NumGrad-Pull，利用三平面结构的表示能力加速符号距离函数的学习，并提高表面重建中局部细节的保真度。为进一步提高基于网格的三平面训练稳定性，我们提出利用数值梯度，取代常规的解析计算。此外，我们提出渐进式平面扩张策略以促进符号距离函数的快速收敛，并设计数据采样策略以缓解重建伪影。我们在多种基准测试中进行大量实验，证明了该方法的有效性和鲁棒性。代码已公开于 https://github.com/CuiRuikai/NumGrad-Pull
引用
@article{arxiv.2411.17392,
title = {NumGrad-Pull: Numerical Gradient Guided Tri-plane Representation for Surface Reconstruction from Point Clouds},
author = {Ruikai Cui and Binzhu Xie and Shi Qiu and Jiawei Liu and Saeed Anwar and Nick Barnes},
journal= {arXiv preprint arXiv:2411.17392},
year = {2026}
}
备注
under review