SparseCraft：通过立体视觉引导的几何线性化实现少样本神经重建
计算机视觉与模式识别
2024-07-22 v1
摘要
我们提出了一种从少量彩色图像中恢复三维形状和视角相关外观的新方法，能够实现高效的三维重建和新视角合成。我们的方法以符号距离函数和辐射场的形式学习一个隐式神经表示。该模型通过光线步进实现的可微体积渲染进行渐进式训练，并使用免学习的多视角立体视觉线索进行正则化。我们贡献的关键是一种新颖的隐式神经形状函数学习策略，该策略鼓励我们的SDF场在水平集附近尽可能线性，从而使训练对来自监督和正则化信号的噪声具有鲁棒性。在不使用任何预训练先验的情况下，我们的方法SparseCraft在标准基准测试的稀疏视角新视角合成和重建任务中均达到了最先进的性能，同时训练时间不到10分钟。
引用
@article{arxiv.2407.14257,
title = {SparseCraft: Few-Shot Neural Reconstruction through Stereopsis Guided Geometric Linearization},
author = {Mae Younes and Amine Ouasfi and Adnane Boukhayma},
journal= {arXiv preprint arXiv:2407.14257},
year = {2024}
}
备注
ECCV 2024. Project page: https://sparsecraft.github.io