室内场景重建,精细细节使用混合表示和正常的先前增强
IEEE transactions on visualization and computer graphics
|August 16, 2024
概括
这项研究通过改进神经辐射场来从图像中重建详细的室内场景. 新方法准确地捕捉了细粒度表面,克服了复杂几何结构的先前方法的局限性.
科学领域:
- 计算机视觉 计算机视觉
- 3D重建的3D重建
- 计算机图形 计算机图形
背景情况:
- 从多视图RGB图像中重建室内场景是复杂的,因为表面性能不同.
- 现有的神经辐射场方法难以处理高频细节,并依赖可能不准确的表面正常预测.
研究的目的:
- 开发一种高保真度的3D室内场景重建方法,能够捕捉微细细节.
- 为了解决神经表示和复杂表面表面正常预测的局限性.
主要方法:
- 提出了一种混合神经架构,以分别表示低频和高频场景组件.
- 引入了一种图像利和无光化技术,以增强表面的正常前景.
- 开发了一个网络来估计预测的表面正常值中的像素智能不确定性,以减轻不可靠的监督.
主要成果:
- 与基准数据集上的现有方法相比,实现了更高的重建质量.
- 通过手机捕捉到的真实世界室内场景进行了有效的概括.
- 成功重建了复杂的几何形状和细粒度的表面细节.
结论:
- 提出的方法显著提高了室内场景重建的准确性,特别是在复杂的表面.
- 混合神经表示和不确定性意识的正常先验对于详细的3D重建至关重要.
- 该方法为捕捉高质量的3D室内环境提供了强大的解决方案.
