جدول پیوندها
چکیده و 1 مقدمه
2. آثار مرتبط
2.1. مدل های انتشار دو بعدی برای نسل سه بعدی
2.2. مدل های مولد سه بعدی و 2.3. مدل های انتشار چند نمای
3. فرمول مسئله
3.1. مدل های انتشار
3.2. توزیع دارایی های سه بعدی
4. روش و 4.1. نسل چند نمای سازگار
4.2. انتشار متقابل دامنه
4.3. استخراج مش بافت
5. آزمایشات
5.1. جزئیات پیاده سازی
5.2. خطوط پایه
5.3. پروتکل ارزیابی
5.4. بازسازی تک نمای
5.5. Novel View Synthesis و 5.6. بحث ها
6. نتیجه گیری و آثار آتی، قدردانی ها و مراجع
برای استخراج هندسه سهبعدی صریح از نقشههای عادی دوبعدی و تصاویر رنگی، ما یک میدان فاصله علامتدار ضمنی عصبی (SDF) را بهینهسازی میکنیم تا همه دادههای تولید شده دو بعدی را با هم ترکیب کنیم. بر خلاف نمایشهای جایگزین مانند مشها، SDF فشردگی و تمایز را ارائه میدهد و آنها را برای بهینهسازی پایدار ایدهآل میکند.
با این وجود، اتخاذ روشهای بازسازی مبتنی بر SDF، مانند NeuS [60]، غیر قابل دوام بودن را ثابت می کند. این روشها برای تصاویر واقعی طراحی شدهاند و به نماهای ورودی متراکم نیاز دارند. در مقابل، نماهای تولید شده ما نسبتاً پراکنده هستند و نقشههای معمولی و تصاویر رنگی تولید شده ممکن است پیشبینیهای نادرست برخی پیکسلها را نشان دهند. متأسفانه این خطاها در طول هندسه انباشته می شوند …