Core Concepts
NC-SDF는 시점 의존적 법선 보상을 통해 다중 시점 간 일관성 있는 실내 장면 재구성을 달성합니다.
Abstract
NC-SDF는 실내 장면 재구성을 위한 신경 SDF 프레임워크입니다. 이 방법은 다중 시점 간 법선 정보의 불일치 문제를 해결하기 위해 시점 의존적 법선 보상 모델을 제안합니다. 구체적으로 NC-SDF는 단안 법선 정보의 편향을 신경 암시 표현에 통합하고, 이를 적응적으로 학습 및 보정함으로써 전역적 일관성과 지역적 세부 사항을 향상시킵니다. 또한 정보 함량이 높은 픽셀에 더 많은 주의를 기울이는 정보 픽셀 샘플링 전략과 하이브리드 기하학 모델링 접근법을 도입하여 세부 사항 재구성을 더욱 개선합니다. 합성 및 실제 데이터셋에 대한 실험 결과는 NC-SDF가 기존 방법들보다 우수한 재구성 품질을 달성함을 보여줍니다.
Stats
단안 법선 정보에는 시점 의존적 편향이 존재한다.
제안된 NC-SDF 모델은 이러한 편향을 적응적으로 보정할 수 있다.
정보 함량이 높은 픽셀에 더 많은 주의를 기울이는 샘플링 전략이 세부 사항 재구성을 향상시킨다.
하이브리드 기하학 모델링 접근법은 평활한 표면과 세부 사항을 모두 잘 포착할 수 있다.
Quotes
"NC-SDF는 시점 의존적 법선 보상을 통해 다중 시점 간 일관성 있는 실내 장면 재구성을 달성합니다."
"정보 함량이 높은 픽셀에 더 많은 주의를 기울이는 샘플링 전략이 세부 사항 재구성을 향상시킵니다."
"하이브리드 기하학 모델링 접근법은 평활한 표면과 세부 사항을 모두 잘 포착할 수 있습니다."