论文解读Nerf2Mesh:基于Nerf的网格资产生成

论文标题

Delicate Textured Mesh Recovery from NeRF via Adaptive Surface Refinement

简单翻译:通过Nerf恢复网格结构

论文下载地址,点这里

论文解读Nerf2Mesh:基于Nerf的网格资产生成_第1张图片

1:网格知识点介绍(可跳过):

3D模型有三种表达方式,体素(Voxel),网格(Mesh),点云(Point Cloud)、SDF等,但在实际渲染应用中,主流的表达方式用的是网格。类似下图,任务3D模型都可以用一段段的网格来表示。

论文解读Nerf2Mesh:基于Nerf的网格资产生成_第2张图片

有了网格我们可以做什么?很简单,我们只需要给网格模型进行贴图(穿衣服)就可以实现其大致模型的塑造。具体如何贴图可以见我上篇文章
Blender3D建模过程

现在正式开始介绍论文工作(个人理解)

2:生成网格模型的步骤:

(1)利用Nerf进行新视图的合成,初始化几何视图

(2)在新视图基础上提取粗网络,用于几何和外观的联合优化

(3)在粗网络的基础上进行细化,将其优化为具有更精确表面和自适应面密度的细网格

(4)纹理编辑,我们将外观分解为与视图无关的漫反射和与视图相关的镜面项,因此漫反射颜色可以导出为标准的RGB图像纹理。

(4)或者表达为用几何图形共同优化外观,并将其烘焙成纹理图像进行实时渲染

3:下面将结合图片来对论文有个大概的了解:

论文解读Nerf2Mesh:基于Nerf的网格资产生成_第3张图片
(1)左边是生成的RGB视图;

(2)中间是通过对图中物体的学习,得到其网格结构,可以应用到硬件或者软件中;

(3)右图是该框架的应用,比如我们可以在渲染好的船身上去进行贴图,图中就是贴了一些五角星的图。

论文解读Nerf2Mesh:基于Nerf的网格资产生成_第4张图片

上图,表示了在第1阶段,通过对物体进行粗网格的提取,再之后通过网格精细化得到细网格(Fine Mesh)

之后对于物体的表明纹理,其通过MLP网络去学习颜色网格,输出2个值,分别代表漫反射(Diffuse)和镜面反射(Specular)两个参数,来辅助最终的模型渲染。

论文解读Nerf2Mesh:基于Nerf的网格资产生成_第5张图片
图3,中右两图分别展示了漫反射颜色以及镜面反射颜色的情况,
简单介绍下

漫反射是射在粗糙表面上的光向各个方向反射,亮度没有全反射那样高。但辐射的范围广

镜面反射是指若反射面比较光滑,当平行入射的光线射到这个反射面时,仍会平行地向一个方向反射出来。这种情况下投射进人眼的光线集中且多,就很亮,但是辐射域很小,只能在特点角度眼睛才可以接受到镜面反射的光。

论文解读Nerf2Mesh:基于Nerf的网格资产生成_第6张图片
左图到右图是一个粗网格到细网格的细化过程前后对比,可以比较好地看见细网格下的模型表达的细节信息更加丰富

实验对比
论文解读Nerf2Mesh:基于Nerf的网格资产生成_第7张图片
与以前的方法相比,文章的方法获得了更好的网格重建质量,特别是在具有复杂拓扑结构的薄结构上。将网格从NeuS减少到原始人脸的25%,因为它们太密集而无法可视化

渲染质量比较

纹理图像的可视化


图7展示了由于增强的表面质量,文章框架下生成的纹理更加紧凑和直观,也就是右图。

定性消融结果:

论文解读Nerf2Mesh:基于Nerf的网格资产生成_第8张图片
将不同设置下的网格结构和纹理图像可视化

本文因为小编水平有限,可能会有一些错误,希望读者可以对有误的地方进行提出改进。

共勉!

最后,如果我的文章对大家有帮助的话,可以关注我的公众号 《AI知识物语》,会定期更新3D视觉相关工作,论文解读等等,
B站账号 出门吃三碗饭,会更新相关讲解视频,
我的B站
以及我的Github仓库,有需要的话,会把相关代码数据集放在github仓库里面
我的Github

你可能感兴趣的:(虚拟现实,Nerf,3D建模,三维重建)