-
题名融合单目先验信息的快速神经隐式表面重建算法
- 1
-
-
作者
吴锦湖
杨晓君
王靖
-
机构
广东工业大学信息工程学院
广东工业大学通感融合光子技术教育部重点实验室
广东工业大学广东省信息光子技术重点实验室
广东工业大学集成电路学院
-
出处
《计算机应用研究》
北大核心
2025年第5期1570-1575,共6页
-
基金
国家自然科学基金资助项目(62373112)
广州市科技攻关资助项目(202206010104)。
-
文摘
近年来,神经隐式表面重建方法已成为多视图三维重建的热门技术。然而,现有的方法存在一些缺点,主要表现在训练时间较长,其主要原因有两个:首先,相机与物体表面之间存在大量空旷区域,而这些区域的信息对最终的重建质量贡献较低;其次,每个射线样本都需要通过庞大的多层感知器(MLP)进行查询,这导致训练时计算负担过重,影响效率。此外,在进行三维重建时,由于缺乏几何约束,导致重建结果不够理想。为了解决这些问题,提出了FM-NeuS算法:在射线行进时,使用跳过空区域和在遮挡区域终止射线的策略,以减少每条射线上采样点的数量,从而加速模型的训练;采用融合多分辨率哈希编码的轻量型MLP,加快采样点的查询效率,减少训练时间,并提升重建物体的表面细节;利用单目先验知识约束表面几何,以提高重建质量。大量的实验证明,该方法能够产生高质量的表面,并且其训练速度比NeuS快20倍。
-
关键词
神经隐式表面重建
单目几何约束
多分辨率哈希编码
NeuS
MLP
-
Keywords
neural implicit surface reconstruction
monocular geometry constraint
multi-resolution hash coding
NeuS
MLP
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
