PhysicsNeRF：稀疏视角下的物理引导三维重建
计算机视觉与模式识别
2025-06-24 v2
摘要
PhysicsNeRF 是一个用于稀疏视角三维重建的物理奠基框架，通过四种互补约束扩展了神经辐射场：深度排序、RegNeRF 风格一致性、稀疏先验和跨视角对齐。标准 NeRF 在稀疏监督下会失效，而 PhysicsNeRF 采用仅含 0.67M 参数的紧凑架构，仅使用 8 个视角即实现了 21.4 dB 的平均 PSNR，优于先前的方法。我们持续观察并分析了 5.7-6.2 dB 的泛化差距，揭示了稀疏视角重建的根本局限性。PhysicsNeRF 能够实现用于智能体交互与仿真的物理一致且可泛化的三维表示，并阐明了受约束 NeRF 模型中表达能力与泛化能力之间的权衡。
引用
@article{arxiv.2505.23481,
title = {PhysicsNeRF: Physics-Guided 3D Reconstruction from Sparse Views},
author = {Mohamed Rayan Barhdadi and Hasan Kurban and Hussein Alnuweiri},
journal= {arXiv preprint arXiv:2505.23481},
year = {2025}
}
备注
4 pages, 2 figures, 2 tables. Appearing in Building Physically Plausible World Models at the 42nd International Conference on Machine Learning (ICML 2025), Vancouver, Canada