基于多层重要抽样与多视图一致性的细粒度神经室内场景重建
高能物理 - 唯象学
2025-03-19 v1
摘要
最近，针对室内场景的神经隐式 3D 重建因其简单性和卓越性能而广受欢迎。以往方法可通过利用单目法线或深度先验来生成完整结果，但可能因无偏抽样和不准确的单目先验而导致重建过于平滑且优化时间较长。本文提出一种新型神经隐式表面重建方法，称为 FD-NeuS，通过多层重要抽样策略和多视图一致性方法来学习细粒度 3D 模型。具体而言，我们利用分段指数函数作为权重引导 3D 点的抽样，以分区方式引导射线抽样，确保对重要区域更关注。在此基础上，我们引入多视图特征一致性和多视图法线一致性作为监督和不确定性度量，从而进一步提高细节重建质量。广泛的定量和定性结果表明，FD-NeuS 在各种场景下均优于现有方法。
引用
@article{arxiv.2410.07596,
title = {Transverse and spatial structure of light to heavy pseudoscalar mesons in light-cone quark model},
author = {Satyajit Puhan and Navpreet Kaur and Harleen Dahiya},
journal= {arXiv preprint arXiv:2410.07596},
year = {2025}
}
备注
32 pages and 17 figures