Rendu de surfaces différentiables via un échantillonnage non différentiable

Nous présentons une méthode pour le rendu différentiable de surfaces 3D qui supporte à la fois des représentations explicites et implicites, fournit des dérivées aux frontières d'occlusion, et est rapide et simple à mettre en œuvre. La méthode échantillonne d'abord la surface en utilisant une rasterisation non différentiable, puis applique un splatting de points différentiable, conscient de la profondeur, pour produire l'image finale. Notre approche ne nécessite pas d'étapes de maillage ou de rasterisation différentiable, ce qui la rend efficace pour de grands modèles 3D et applicable aux surfaces iso extraites de définitions de surfaces implicites. Nous démontrons l'efficacité de notre méthode pour le rendu inverse basé sur des surfaces implicites, des maillages, et paramétriques ainsi que pour les applications d'entraînement de réseaux de neurones. En particulier, nous montrons pour la première fois un rendu différentiable efficace d'une iso-surface extraite d'un champ de radiance neuronal (NeRF), et démontrons un rendu basé sur des surfaces, plutôt que sur des volumes, d'un NeRF.