S-VolSDF：神经隐式表面的稀疏多视图立体正则化
计算机视觉与模式识别
2023-09-06 v2
摘要
隐式表面的神经渲染在3D视觉应用中表现良好。然而，它需要密集输入视图作为监督。当仅有稀疏输入图像可用时，由于形状-辐射模糊问题，输出质量显著下降。我们注意到，当一个3D点在多个视图中可见时（如多视图立体（MVS）中的情况），该模糊可被约束。因此我们提出用MVS解对神经渲染优化进行正则化。MVS概率体与一般化交叉熵损失的使用带来了噪声容忍的优化过程。此外，神经渲染提供全局一致性约束，引导MVS深度假设采样，从而提升MVS性能。在仅给定三个稀疏输入视图的情况下，实验表明我们的方法不仅以大幅优势优于通用神经渲染模型，还显著提升了MVS模型的重建质量。项目页面：https://hao-yu-wu.github.io/s-volsdf/。
引用
@article{arxiv.2303.17712,
title = {S-VolSDF: Sparse Multi-View Stereo Regularization of Neural Implicit Surfaces},
author = {Haoyu Wu and Alexandros Graikos and Dimitris Samaras},
journal= {arXiv preprint arXiv:2303.17712},
year = {2023}
}
备注
ICCV 2023, Project page: https://hao-yu-wu.github.io/s-volsdf/