지역 확률 표준 분산을 이용한 신경 암시 표면 학습

초록 희소 다중 뷰에서 기하학적 형태를 재구성하는 것은 항상 도전적인 작업이었습니다. 신경 암시 표면의 발전으로 인해, 기하학 기반 볼륨 렌더링 표면 재구성 방법이 고품질 표면을 재구성할 수 있음이 입증되었습니다. 그러나 기존의 기하학 기반 재구성 방법은 볼륨 밀도를 부호화된 거리 함수 또는 비부호화 거리 함수와 완전히 연관시켜, 물체 표면 근처에서만 재구성할 수 있는 동일한 볼륨 밀도 피크를 초래합니다. 장면에 투명한 표면이 있을 경우, 기존 방법은 불투명한 표면의 재구성을 우선시하여 투명한 표면의 재구성을 간과하여 실제 장면을 재구성하는 데 불리합니다. 이 문제를 해결하기 위해, 우리는 부호화된 거리 함수와 함께 볼륨 밀도를 계산하는 지역 확률 표준 분산을 소개합니다. 이렇게 하면 물체 표면의 투명성 특성과 일치하는 볼륨 밀도를 재구성할 수 있습니다. 이 방법은 투명한 물체의 표면을 재구성할 수 있으며, 두 개의 투명한 표면 데이터 세트에 대한 실험에서 이 방법이 더 나은 성능을 보였습니다.