Sur2f：面向多视图图像高质量且高效表面重建的混合表示

多视图表面重建是 3D 视觉研究中一个不适定的反问题。它涉及用适当的表面表示对几何与外观进行建模。现有的大多数方法要么依赖显式网格，使用网格的表面渲染进行重建；要么依赖隐式场函数，使用场的体渲染进行重建。这两类表示实际上各有其优势。在本工作中，我们提出了一种新的混合表示，称为 Sur2f，旨在以互补的方式更好地利用这两种表示的优势。在技术上，我们学习隐式符号距离场与显式代理表面 Sur2f 网格这两个并行流，并通过共享的神经着色器统一隐式符号距离函数的体渲染与代理网格的表面渲染；统一的着色促进了它们向同一底层表面的收敛。我们通过用隐式 SDF 诱导的函数驱动代理网格的形变来同步其学习过程。此外，同步的代理网格实现了表面引导的体采样，这极大地提高了体渲染中每条射线的采样效率。我们进行了详尽的实验，表明 Sur$^2$f 在恢复质量与恢复效率上均优于现有的重建方法与表面表示，包括混合方法。