SuperNormal：基于多视图法向图集成的神经表面重建
计算机视觉与模式识别
2023-12-11 v1
摘要
我们提出 SuperNormal，一种利用表面法向图进行多视图三维重建的快速、高保真方法。仅需数分钟，SuperNormal 即可生成与三维扫描仪相媲美的精细表面。我们利用体渲染来优化一个由多分辨率哈希编码支持的神经符号距离函数（SDF）。为加速训练，我们提出方向性有限差分和基于块的射线步进来数值近似 SDF 梯度。在不牺牲重建质量的前提下，该策略的效率几乎是解析梯度的两倍，比轴对齐有限差分快约三倍。在基准数据集上的实验证明了 SuperNormal 在效率和精度上优于现有的多视图光度立体方法。在我们采集的物体上，SuperNormal 生成了比近期神经三维重建方法更精细的几何细节。
引用
@article{arxiv.2312.04803,
title = {SuperNormal: Neural Surface Reconstruction via Multi-View Normal Integration},
author = {Xu Cao and Takafumi Taketomi},
journal= {arXiv preprint arXiv:2312.04803},
year = {2023}
}