SC-NeuS: スペースとノイズのあるビューからの一貫した神経表面再構築

最近の体積レンダリングを用いた神経表面再構築アプローチは、印象的な表面再構築品質を達成することにより多くの進展を遂げましたが、依然として密で高精度なポーズのビューに制限されています。このような欠点を克服するために、本論文はノイズのあるカメラポーズからのスパースビューに対する一貫した表面再構築に特に注目しています。従来のアプローチとは異なり、本論文の主な違いは、神経表面の明示的な幾何学からマルチビュー制約を直接利用することであり、これは神経表面を共同で学習し、カメラポーズを洗練するための効果的な正則化として使用できます。効果的なマルチビュー制約を構築するために、表面上の点を生成するための高速微分可能な表面交差を導入し、これらの微分可能な点に対して表面学習を正則化するためのビュー一貫性のある損失を提案します。この点に基づいて、我々はSC-NeuSと名付けた共同学習戦略を提案し、エンドツーエンドの方式で幾何学的一貫した表面再構築を実行します。公共データセットにおける広範な評価に基づき、我々のSC-NeuSは、特にスパースでノイズのあるカメラビューからの再構築結果において、従来のアプローチよりも一貫してより良い表面再構築結果を細かい詳細と共に達成できます。ソースコードはhttps://github.com/zouzx/sc-neus.gitで利用可能です。