.png){kind=icon}
返回
Hash-NURF: efficient nested transparent object reconstruction using multi-resolution hash encoding
.png){kind=icon}
PRE
AI
DOI：10.1007/s00371-026-04394-1.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
透明物体重建在3D建模和机器人感知等各个领域中至关重要。然而，由于复杂的光线交互，精确重建嵌套透明物体仍然具有挑战性。近期进展如NU-NeRF显示了潜力，但存在计算效率低下的问题。本文介绍Hash-NURF框架，该框架将多分辨率哈希编码与神经隐式表示相结合以加速重建。具体而言，我们利用基于哈希的NeRF和SDF进行高效优化。对于无界场景，我们添加了收缩映射策略。我们还集成了特殊的采样和正则化技术，以提高模型稳定性并帮助其更快收敛。我们的方法通过最多减少三倍的训练时间，同时保持相当重建质量。我们在合成数据集上验证了该方法，展示了其在嵌套透明物体的外表面和内表面重建中的有效性。访问我们的代码库：https://github.com/SyouSanGin/Hash-NURF。
Keyword:
Signed distance field (SDF)
Transparent object
Reconstruction
Neural implicit representations
期刊
T
IF:
0
论文数:
369
被引数:
0
机构
引用论文
.png){kind=icon}
分享收藏
查看更多内容