न्यूरल इम्प्लिसिट के आधार पर इनडोर दृश्यों का 3D पुनर्निर्माण

2D छवियों से 3D इनडोर दृश्यों का पुनर्निर्माण कम्प्यूटरीकृत दृष्टि और ग्राफिक्स अनुप्रयोगों में हमेशा एक महत्वपूर्ण कार्य रहा है। इनडोर दृश्यों के लिए, पारंपरिक 3D पुनर्निर्माण विधियों को सतह के विवरण की कमी, बड़े समतल सतह के बनावटों और असमान रोशनी वाले क्षेत्रों केpoor पुनर्निर्माण से समस्याएँ होती हैं, और पुनर्निर्मित मॉडलों में कई झूठी रूप से पुनर्निर्मित तैरते मलबे की आवाजें होती हैं। हम नेटवर्क को अनुकूलित करने के लिए न्यूरल इम्प्लिसिट पुनर्निर्माण प्रक्रिया में अनुकूलित सामान्य प्राथमिकता जोड़ते हैं, और वजन वितरण द्वारा प्राप्त मात्रा घनत्व को बाधित करने के लिए न्यूरल रेडिएशन मैदान में नियमितकरण मान जोड़कर मात्रा घनत्व की भविष्यवाणी की सटीकता में सुधार करते हैं, और नेटवर्क से चिकनी SDF सतह को सीखते हैं ताकि स्पष्ट जाल मॉडल प्राप्त करें। प्रयोग बताते हैं कि इस पत्र में प्रस्तावित विधि ScanNet, Hypersim, और Replica डेटा सेट पर उच्चतम स्तर की विधियों को पार करती है।