PreSem-Surf：基于渐进语义建模和 SG-MLP 预渲染机制的 RGB-D 表面重建
广义相对论与量子宇宙学
2025-08-20 v1
摘要
本文提出 PreSem-Surf，一种基于神经辐射场（NeRF）框架的优化方法，能够在短时间内从 RGB-D 序列中重建高质量场景表面。该方法整合了 RGB、深度和语义信息以提升重建性能。具体而言，引入新颖的 SG-MLP 采样结构结合 PR-MLP（Preconditioning Multilayer Perceptron）用于体素预渲染，使模型能更早捕获场景相关信息，并更好地区分噪声与局部细节。此外，采用渐进式语义建模，在不同精度水平上提取语义信息，既减少训练时间又提升场景理解。在七个合成场景上进行实验，并使用六个评估指标测试，结果表明 PreSem-Surf 在 C-L1、F-score 和 IoU 上实现最佳性能，同时在 NC、Accuracy 和 Completeness 上保持具竞争力的表现，展示了其有效性和实际应用价值。
引用
@article{arxiv.2508.13227,
title = {Testing the Generalized Second Law in $(2+1)$-Dimensional Cosmology: Holographic Entropy Bounds and Observational Constraints},
author = {Praveen Kumar Dhankar and Aritra Sanyal and Safiqul Islam and Farook Rahaman and Behnam Pourhassan},
journal= {arXiv preprint arXiv:2508.13227},
year = {2025}
}
备注
22 pages, 6 figures