多视图表面重建的神经隐含表示:一项调查
IEEE transactions on visualization and computer graphics
|June 25, 2025
概括
神经隐性表示,使用连续函数,如签名距离场 (SDF) 和神经辐射场 (NeRF),正在彻底改变3D重建. 本调查分析了它们在2020-2025年期间的各种应用和方法.
科学领域:
- 计算机视觉 计算机视觉
- 三维几何3D几何学
- 机器学习 机器学习
背景情况:
- 传统的显式几何表示与复杂的3D形状作斗争.
- 神经隐性表示提供了一种连续的,基于函数的方法来编码3D表面.
- 技术包括签名距离场 (SDF),未签名距离场 (UDF),占用场 (OF) 和神经辐射场 (NeRF).
研究的目的:
- 系统地分析神经隐性表示在3D重建中的不断发展的方法和应用.
- 提供2020-2025年研究的结构化综合.
- 引导新兴研究人员,并确定未来的研究方向.
主要方法:
- 基于几何表示类型 (SDF,UDF,OF,NeRF) 的神经隐性技术的分类.
- 应用程序的分类包括对象级,场景级,开放表面和动态重建.
- 一个双轴分类学,以构建最近研究 (2020-2025) 的调查.
主要成果:
- 神经隐含表示实现了卓越的多视图重建保真性.
- 它们本质上支持非多重几何和复杂的拓变化.
- 在各种重建任务中表现出有效性.
结论:
- 神经隐含表示是现代3D重建的基础工具.
- 该领域正在迅速发展,需要进行全面的分析.
- 这项调查为了解当前能力和未来潜力提供了路线图.
