OmniNeRF：混合全向距离场与辐射场用于神经表面重建
计算机视觉与模式识别
2022-09-28 v1
摘要
基于图像的三维重建在虚拟现实与自动驾驶中有广泛应用，其对精度要求极高。利用多层感知机（Multi-Layer Perceptions）的神经辐射场（NeRF）开创性研究显著提升了三维物体的表示质量。后续一些研究通过构建截断有符号距离场（TSDFs）改进NeRF，但仍受三维重建中表面模糊问题困扰。本工作通过提出一种新颖的三维形状表示方式OmniNeRF来解决该表面歧义。其基于训练全向距离场（ODF）与神经辐射场的混合隐式场，以全向信息替换NeRF中的表观密度。此外，我们在深度图上引入额外监督以进一步提升重建质量。所提方法已被证明能有效处理表面重建边缘处的NeRF缺陷，提供更高质量的三维场景重建结果。
引用
@article{arxiv.2209.13433,
title = {OmniNeRF: Hybriding Omnidirectional Distance and Radiance fields for Neural Surface Reconstruction},
author = {Jiaming Shen and Bolin Song and Zirui Wu and Yi Xu},
journal= {arXiv preprint arXiv:2209.13433},
year = {2022}
}
备注
Accepted by CMSDA 2022