PVP-Recon：基于扭曲一致性的渐进式视角规划用于稀疏视角表面重建
计算机视觉与模式识别
2024-09-10 v1 图形学
摘要
神经隐式表示已经彻底改变了密集多视角表面重建，但在稀疏输入视角下其性能显著下降。一些开创性工作试图通过利用额外几何先验或多场景泛化能力来解决稀疏视角重建的挑战。然而，它们仍然受到输入视角选择不完美的阻碍，使用经验确定视角下的图像来提供相当大的重叠。我们提出了 PVP-Recon，一种新颖且有效的稀疏视角表面重建方法，该方法渐进式规划下一个最佳视角，以形成用于图像采集的最优稀疏视角集合。PVP-Recon 仅以 3 个视角开始初始表面重建，并基于一种新颖的扭曲分数渐进式添加新视角，该分数反映了每个新增视角的信息增益。这种渐进式视角规划过程与一个基于神经 SDF 的重建模块交替进行，该模块利用多分辨率哈希特征，并通过渐进式训练方案和方向 Hessian 损失进行增强。在三个基准数据集上的定量和定性实验表明，我们的框架在受限的输入预算下实现了高质量重建，并优于现有基线。
引用
@article{arxiv.2409.05474,
title = {PVP-Recon: Progressive View Planning via Warping Consistency for Sparse-View Surface Reconstruction},
author = {Sheng Ye and Yuze He and Matthieu Lin and Jenny Sheng and Ruoyu Fan and Yiheng Han and Yubin Hu and Ran Yi and Yu-Hui Wen and Yong-Jin Liu and Wenping Wang},
journal= {arXiv preprint arXiv:2409.05474},
year = {2024}
}