NeuSurf: 희소 입력 뷰에서 신경 표면 재구성을 위한 표면 기반 사전

최근 신경 암묵적 함수가 다중 뷰 재구성 분야에서 놀라운 결과를 보여주었습니다. 그러나 기존의 대부분 방법은 밀집 뷰에 맞춰져 있으며 희소 뷰를 처리할 때 만족스러운 성능을 보이지 않습니다. 희소 뷰 재구성 작업을 해결하기 위해 암묵적 재구성을 일반화하는 여러 최신 방법이 제안되었지만, 여전히 높은 훈련 비용에 시달리며 신중하게 선택된 시점에서만 유효합니다. 본 논문에서는 매우 정확한 표면 재구성을 달성하기 위해 표면 기반 사전을 활용하는 새로운 희소 뷰 재구성 프레임워크를 제안합니다. 구체적으로, 우리는 거친 형태와 세부 사항을 공동으로 최적화하기 위해 전역 기하학 정렬 및 지역 기하학 세분화에 대한 여러 가지 제약 조건을 설계합니다. 이를 달성하기 위해, 우리는 SfM에서 얻은 표면 점으로부터 전역 암묵적 필드를 학습하는 신경 네트워크를 훈련시키고, 이를 거친 기하학적 제약으로 활용합니다. 지역 기하학적 일관성을 활용하기 위해, 우리는 표면 점을 보이는 뷰와 보이지 않는 뷰에 투영하고, 투영된 특징의 일관된 손실을 세부 기하학적 제약으로 간주합니다. DTU 및 BlendedMVS 데이터세트에 대한 실험 결과는 두 가지 일반적인 희소 설정에서 최첨단 방법에 비해 상당한 개선을 나타냅니다.