A Comparative Study of Neural Surface Reconstruction for Scientific Visualization

要約

この比較研究では、さまざまな神経表面再構成手法を評価し、特に多視点レンダリング画像を介して 3D 表面を再構成することによる科学的視覚化への影響に焦点を当てています。
10 の方法をニューラル放射輝度フィールドとニューラル インプリシット サーフェスに分類し、距離関数 (つまり、SDF と UDF) を利用して再構成されたサーフェスの精度と滑らかさを向上させる利点を明らかにします。
私たちの発見は、閉じた曲面を再構成するための NeuS2 の効率と品質を強調し、いくつかの制限があるにもかかわらず、開いた曲面を再構成するための有望な候補として NeUDF を特定しました。
当社のベンチマーク データセットを共有することで、研究者に手法のパフォーマンスをテストしてもらい、科学的視覚化のための表面再構成ソリューションの進歩に貢献します。

要約(オリジナル)

This comparative study evaluates various neural surface reconstruction methods, particularly focusing on their implications for scientific visualization through reconstructing 3D surfaces via multi-view rendering images. We categorize ten methods into neural radiance fields and neural implicit surfaces, uncovering the benefits of leveraging distance functions (i.e., SDFs and UDFs) to enhance the accuracy and smoothness of the reconstructed surfaces. Our findings highlight the efficiency and quality of NeuS2 for reconstructing closed surfaces and identify NeUDF as a promising candidate for reconstructing open surfaces despite some limitations. By sharing our benchmark dataset, we invite researchers to test the performance of their methods, contributing to the advancement of surface reconstruction solutions for scientific visualization.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google