Der Kernpunkt dieses Papiers ist die Entwicklung einer neuen Methode für die implizite Oberflächenrekonstruktion, die als 3DGSR bezeichnet wird. Dabei wird eine implizite Signaldistanzfunktion (SDF) in 3D-Gaussians integriert, um eine genaue 3D-Rekonstruktion mit feinen Details zu ermöglichen, während gleichzeitig die Effizienz und Renderingqualität von 3DGS erhalten bleiben.
Zunächst wird eine differenzierbare SDF-zu-Opazität-Transformationsfunktion eingeführt, die SDF-Werte in entsprechende Gaussians-Opazitäten umwandelt. Dies verbindet die SDF und die 3D-Gaussians und ermöglicht eine einheitliche Optimierung, bei der die Optimierung der 3D-Gaussians Supervisionssignale für das Erlernen der SDF liefert, was die Rekonstruktion feiner Details ermöglicht.
Um die Einschränkung der spärlichen Supervisionssignale für die SDF an den von Gaussians belegten Stellen zu überwinden, wird zusätzlich volumetrisches Rendering verwendet. Dabei werden die aus der SDF berechneten Tiefe- und Normalenwerte mit denen aus den 3D-Gaussians abgeleiteten Werten abgeglichen. Dies führt zu einer effektiven Regularisierung der Orte, die nicht von Gaussians abgedeckt sind, und beseitigt überflüssige Oberflächenrekonstruktionen außerhalb des Gaussians-Abtastbereichs.
Umfangreiche Experimente zeigen, dass unsere 3DGSR-Methode eine hochwertige 3D-Oberflächenrekonstruktion ermöglicht, während gleichzeitig die Effizienz und Renderingqualität von 3DGS erhalten bleiben. Im Vergleich zu führenden Oberflächenrekonstruktionstechniken bietet unser Ansatz einen effizienteren Lernprozess und deutlich bessere Renderingqualitäten.
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Xiaoyang Lyu... at arxiv.org 04-02-2024
https://arxiv.org/pdf/2404.00409.pdfDeeper Inquiries