TensoSDF：用于鲁棒几何与材质重建的粗糙度感知张量表示
图形学
2024-05-07 v2
摘要
从多视图图像重建具有真实材质的物体是有问题的，因为这是高度病态的。尽管神经重建方法展示了令人印象深刻的重建能力，但它们是为具有特定材质（如漫反射或镜面材质）的物体设计的。为此，我们提出了一种新的鲁棒几何和材质重建框架，其中几何用张量表示编码的隐式符号距离场（SDF）表示，即TensoSDF。我们方法的核心是粗糙度感知的辐射场和反射场融合，这使得能够鲁棒地重建具有任意反射材质的物体。此外，张量表示增强了重建表面的几何细节并减少了训练时间。最后，我们使用显式网格进行高效的交点计算，并使用隐式SDF进行精确表示来估计材质。因此，我们的方法可以实现更鲁棒的几何重建，在重光照质量上优于先前的工作，并减少50%的训练时间和70%的推理时间。
引用
@article{arxiv.2402.02771,
title = {TensoSDF: Roughness-aware Tensorial Representation for Robust Geometry and Material Reconstruction},
author = {Jia Li and Lu Wang and Lei Zhang and Beibei Wang},
journal= {arXiv preprint arXiv:2402.02771},
year = {2024}
}
备注
Accepted by SIGGRAPH 2024