神经隐式曲面的体渲染
计算机视觉与模式识别
2021-12-02 v2
摘要
神经体渲染近来日益流行，因其在从稀疏输入图像集合成场景新视角方面取得成功。迄今为止，神经体渲染技术所学习的几何使用通用密度函数建模。此外，几何本身通过使用密度函数的任意水平集提取，导致噪声大、常保真度低的重建。本文的目标是在神经体渲染中改进几何表示与重建。我们通过将体密度建模为几何的函数来实现这一点。这与先前将几何建模为体密度函数的工作相反。更具体地，我们将体密度函数定义为应用于有符号距离函数（SDF）表示的 Laplace 累积分布函数（CDF）。这一简单密度表示有三个好处：（i）它为神经体渲染过程中学习的几何提供了有用的归纳偏置；（ii）它促成了不透明度近似误差的界，从而实现对视线的准确采样。准确采样对于提供几何与辐射的精确耦合十分重要；以及（iii）它允许在体渲染中高效无监督解耦形状与外观。将此新密度表示应用于具有挑战性的场景多视角数据集产生了高质量几何重建，优于相关基线。此外，由于形状与外观二者的解耦，在场景间切换形状与外观成为可能。
引用
@article{arxiv.2106.12052,
title = {Volume Rendering of Neural Implicit Surfaces},
author = {Lior Yariv and Jiatao Gu and Yoni Kasten and Yaron Lipman},
journal= {arXiv preprint arXiv:2106.12052},
year = {2021}
}