공중 이미지에서의 깊이 감독 신경 표면 재구성

초록. 원래 새로운 시점 합성을 위해 개발된 신경 방사장 필드(NeRFs)는 최근 다중 뷰 스테레오(MVS)의 대안으로 떠오르고 있습니다. 여러 연구 활동에 의해 촉발된 이들은 텍스처가 없는 투명하고 반사하는 표면에서 특히 유망한 결과를 얻었으며, 이러한 시나리오는 전통적인 MVS 기반 접근 방식에는 여전히 도전 과제가 됩니다. 그러나 이러한 조사 대부분이 근거리 시나리오에 초점을 맞추고 있으며, 공중 시나리오에 대한 연구는 여전히 부족합니다. 이 작업에서는 NeRFs가 도로 협곡, 건물 외벽 또는 그림자와 같이 종종 낮은 이미지 중복성과 약한 데이터 증거가 있는 영역에서 직면하는 잠재적 어려움에 맞닥뜨립니다. 또한 이러한 네트워크를 학습하는 것은 계산 비용이 많이 듭니다. 따라서 우리의 작업 목표는 두 가지입니다: 첫째, 나디르 전용, 비스듬한 및 고해상도 이미지와 같은 다른 특성을 나타내는 공중 이미지 블록에 대한 NeRF의 적용 가능성을 조사합니다. 둘째, 이러한 조사 동안 우리는 미리 가정된 번들 블록 조정 중에 제공되는 측점 측정에서 깊이 우선을 통합하는 이점을 입증합니다. 우리의 작업은 표면 재구성에 대해 표준 볼류메트릭 표현보다 더 적합한 서명 거리 함수(SDF)를 통해 3D 장면을 모델링하는 최신 프레임워크 VolSDF를 기반으로 합니다. 평가를 위해, NeRF 기반 재구성이 공중 이미지에 대한 공개 벤치마크 데이터 세트의 결과와 비교됩니다.