VisCo Grids：基于黏滞与余面积网格的表面重建
计算机视觉与模式识别
2023-03-28 v1
摘要
近期利用隐式神经表示（INRs）的表面重建取得了诸多进展。尽管成功，INRs 常引入难以控制的归纳偏置（即解表面会表现出无法解释的行为），推理代价高且训练慢。本文旨在表明，以简单网格函数替代神经网络，并结合两个新颖几何先验，可获得与 INRs 相当的结果，且具有即时推理与更短训练时间。为此，我们引入 VisCo Grids：一种融合黏滞（Viscosity）与余面积（Coarea）先验的基于网格的表面重建方法。直观上，黏滞先验替代了 INRs 的光滑归纳偏置，而余面积倾向于最小面积解。在标准重建基线上实验 VisCo Grids，在该数据集上提供了与性能最佳 INRs 相当的结果。
引用
@article{arxiv.2303.14569,
title = {VisCo Grids: Surface Reconstruction with Viscosity and Coarea Grids},
author = {Albert Pumarola and Artsiom Sanakoyeu and Lior Yariv and Ali Thabet and Yaron Lipman},
journal= {arXiv preprint arXiv:2303.14569},
year = {2023}
}
备注
Published in NeurIPS 2022