Title | NeUDF: Leaning Neural Unsigned Distance Fields with Volume Rendering |
---|---|
Author | Yu-Tao Liu1,2 Li Wang1,2 Jie Yang1,2 Weikai Chen3 Xiaoxu Meng3 Bo Yang3 Lin Gao1,2* |
Conf/Jour | CVPR |
Year | 2023 |
Project | NeUDF (CVPR 2023) (geometrylearning.com) |
Paper | NeUDF: Leaning Neural Unsigned Distance Fields with Volume Rendering (readpaper.com) |
解决了Neus中SDF的一个限制:仅限于封闭表面的重建,无法重建包含开放表面结构的广泛的现实世界对象
NeUDF使用UDF:仅从多视图监督中重建具有任意拓扑的表面
- 提出了两个专门为基于UDF的体渲染量身定制的权重函数的新公式
- $w_r(t)=\tau_r(t)e^{-\int_0^t\tau_r(u)du}$ Eq.4
- $\tau_r(t)=\left|\frac{\frac{\partial(\varsigma_r\circ\Psi\circ p)}{\partial t}(t)}{\varsigma_r\circ\Psi\circ p(t)}\right|$ Eq.5
- $\varsigma_{r}(d) = \frac x{1+x}$
- UDF: $d=\Psi_{\mathcal{O}}(x)$
- 为了应对开放表面渲染,当输入/输出测试不再有效时,我们提出了一种专用的法向正则化策略来解决表面方向模糊问题
- 用邻近的插值法向替换原始采样的表面法向
局限:
- 无法重建透明表面
- 平滑度和高频细节无法同时拥有
- 需要额外的网格划分工具,导致重构误差
- 展望:透明表面、稀疏视图