$α$Surf: Implicit Surface Reconstruction for Semi-Transparent and Thin Objects with Decoupled Geometry and Opacity

要約

符号付き距離関数 (SDF) などの暗黙的な表面表現は、画像ベースの表面再構成の有望なアプローチとして浮上しています。
ただし、既存の最適化手法は固体表面を想定しているため、半透明の表面や薄い構造を適切に再構築することができず、背景とのブレンド効果により不透明度も低くなります。
ニューラル放射輝度場 (NeRF) ベースの方法は半透明性をモデル化し、合成された斬新なビューで写真のようにリアルな品質を実現できますが、それらのボリューム ジオメトリ表現はジオメトリと不透明度を密接に結合するため、アーティファクトを導入せずにサーフェスに簡単に変換することはできません。
$\alpha$Surf は、色が混ざり合う半透明で薄い表面を再構築するために、ジオメトリと不透明度が分離された新しい表面表現です。
私たちの表現における光線と表面の交差は、3 次多項式の解析解を介して閉形式で見つけることができ、モンテカルロ サンプリングを回避し、構造によって完全に微分可能です。
私たちの定性的および定量的評価は、私たちのアプローチがアーティファクトの少ない半透明で薄い部分で表面を正確に再構築し、最先端のSDFおよびNeRF法よりも優れた再構築品質を達成できることを示しています。
ウェブサイト: https://alphasurf.netlify.app/

要約(オリジナル)

Implicit surface representations such as the signed distance function (SDF) have emerged as a promising approach for image-based surface reconstruction. However, existing optimization methods assume solid surfaces and are therefore unable to properly reconstruct semi-transparent surfaces and thin structures, which also exhibit low opacity due to the blending effect with the background. While neural radiance field (NeRF) based methods can model semi-transparency and achieve photo-realistic quality in synthesized novel views, their volumetric geometry representation tightly couples geometry and opacity, and therefore cannot be easily converted into surfaces without introducing artifacts. We present $\alpha$Surf, a novel surface representation with decoupled geometry and opacity for the reconstruction of semi-transparent and thin surfaces where the colors mix. Ray-surface intersections on our representation can be found in closed-form via analytical solutions of cubic polynomials, avoiding Monte-Carlo sampling and is fully differentiable by construction. Our qualitative and quantitative evaluations show that our approach can accurately reconstruct surfaces with semi-transparent and thin parts with fewer artifacts, achieving better reconstruction quality than state-of-the-art SDF and NeRF methods. Website: https://alphasurf.netlify.app/

arxiv情報

提供元, 利用サービス

arxiv.jp, Google