Core Concepts
ビューに依存する法線の偏りを適応的に学習・補正することで、一貫性のある滑らかな表面と詳細な幾何学的特徴を持つ高品質な室内シーン再構築を実現する。
Abstract
本研究は、ビューに依存する法線の偏りを適応的に学習・補正することで、室内シーン再構築の品質を大幅に向上させる手法を提案する。従来の手法では、単眼の幾何学的前提情報を利用することで再構築精度を向上させているが、これらの前提情報には視点依存の偏りが存在し、結果として一貫性のない再構築となっていた。
本手法では、ニューラルネットワークを用いて、この視点依存の法線の偏りを学習・補正することで、滑らかな表面と詳細な幾何学的特徴を持つ高品質な再構築を実現する。
具体的には、以下の3つの設計を組み合わせている:
視点依存の法線補償モデル: 法線の偏りを適応的に補正することで、一貫性のある再構築を実現する。
情報量に基づくピクセルサンプリング: 詳細な幾何学的特徴の再構築に注力する。
ハイブリッドな幾何モデル: MLPの滑らかさとボクセルグリッドの高周波表現能力を組み合わせる。
これらの設計により、従来手法を大幅に上回る再構築品質を実現している。
Stats
単眼の法線推定には視点依存の偏りが存在する
提案手法のNC-SDFは、この偏りを適応的に補正することで、一貫性のある滑らかな表面と詳細な幾何学的特徴を持つ高品質な再構築を実現する
Quotes
"ビューに依存する法線の偏りを適応的に学習・補正することで、一貫性のある滑らかな表面と詳細な幾何学的特徴を持つ高品質な室内シーン再構築を実現する。"
"情報量に基づくピクセルサンプリングと、ハイブリッドな幾何モデルの組み合わせにより、従来手法を大幅に上回る再構築品質を実現している。"