江門網(wǎng)站制作cpa推廣聯(lián)盟平臺(tái)
目錄
一、概述
二、相關(guān)工作
1、神經(jīng)渲染
2、基于Mesh的渲染
3、基于點(diǎn)的渲染和高斯濺射
三、前置知識(shí)
1、SDF
2、Marching Cubes算法
四、MeshGS
1、初始化Mesh網(wǎng)格
2、基于Mesh的GS濺射
3、損失函數(shù)
一、概述
? ? ? ? 提出一種基于距離的高斯splatting,并且將高斯splatting和網(wǎng)格表面相結(jié)合,消除高斯splatting中對(duì)渲染毫無貢獻(xiàn)的冗余。對(duì)于高斯splats和mesh網(wǎng)格間的距離區(qū)分為緊密束縛和松弛束縛,并對(duì)兩類方法采用不同的訓(xùn)練方法,對(duì)緊密束縛采取幾何正則化,松弛束縛采用圖像監(jiān)督。該方法超越了基于mesh網(wǎng)格的渲染技術(shù),且相比原始的3DGS的splat個(gè)數(shù)少了30%。
(1)提出了一種新的基于mesh網(wǎng)格的GS splatting方法,將GS splats與三角形mesh網(wǎng)格相結(jié)合,提出了一種新的方法來初始化和訓(xùn)練在三角mesh網(wǎng)格下的GS splats。
(2)使用兩種高斯splats和mesh網(wǎng)格間的距離來區(qū)分,并引入不同的訓(xùn)練策略,適應(yīng)不同的渲染需求。
二、相關(guān)工作
1、神經(jīng)渲染
? ? ? ? NeRF考慮使用MLP來編碼場(chǎng)景,并通過可微的體渲染來恢復(fù)RGB和密度。
? ? ? ? 隱式神經(jīng)曲面考慮將MLP映射到一個(gè)符號(hào)距離函數(shù)(SDF)或占用網(wǎng)格上,并使用可微體渲染來訓(xùn)練。
2、基于Mesh的渲染
? ? ? ? 基于Mesh的渲染原理就是利用網(wǎng)格將3D模型分解為表面的多邊形進(jìn)行渲染。
? ? ? ? 一方面將GS splats替代網(wǎng)格,來捕捉場(chǎng)景細(xì)節(jié),SuGaR將GS splats緊密綁定在網(wǎng)格表面,MobileNeRF考慮優(yōu)化三角面,并將不透明度和特征嵌入到紋理。另外VMesh考慮結(jié)合mesh和體渲染來實(shí)現(xiàn)高保真重建,LTM考慮使用網(wǎng)格抽取實(shí)現(xiàn)大場(chǎng)景下的重建。
? ? ? ? 但大多數(shù)基于Mesh的渲染都存在網(wǎng)格偽影,所以該論文提出結(jié)合3DGS來突破這個(gè)挑戰(zhàn)。
3、基于點(diǎn)的渲染和高斯濺射
? ? ? ? 基于點(diǎn)的渲染旨在打破傳統(tǒng)基于多邊形網(wǎng)格渲染的技術(shù)。近期也提出關(guān)于點(diǎn)云渲染、球體渲染、可微分濺射等方法。
? ? ? ? 3DGS通過3DGS splatting進(jìn)行渲染,通過快速光柵化實(shí)現(xiàn)。
? ? ? ? SuGaR利用泊松重建,從3DGS提取mesh網(wǎng)格并綁定在三角形上進(jìn)行渲染。
? ? ? ? GaussianAvatars和GaMeS考慮將3DGS緊密綁定網(wǎng)格上,用于渲染動(dòng)態(tài)場(chǎng)景和人體模型。
? ? ? ? 上述論文更加關(guān)注單一物體或人體模型,而該論文考慮對(duì)于大場(chǎng)景下的基于mesh的高斯splat技術(shù),mesh結(jié)合3DGS可以保證渲染質(zhì)量的前提下,獲取更為精確的幾何信息。
三、前置知識(shí)
1、SDF
? ? ? ? 有符號(hào)距離場(chǎng)(Signed Distance Field,SDF)是一種用于表示3D幾何的數(shù)據(jù)結(jié)構(gòu)。SDF將3D空間中每一個(gè)點(diǎn)都映射為一個(gè)實(shí)數(shù),對(duì)于表面內(nèi)部的點(diǎn),SDF值設(shè)為負(fù)數(shù),表面的點(diǎn),SDF值為0,表面外部的點(diǎn),SDF值為正。
? ? ? ? SDF可以用來精確表示3D幾何形狀,通過微分渲染技術(shù)來優(yōu)化。
2、Marching Cubes算法
? ? ? ? Marching Cubes算法是一種用于從3D幾何數(shù)據(jù)中提取精確的3D網(wǎng)格表示,通過劃分立方體網(wǎng)格,并根據(jù)每個(gè)立方體內(nèi)的數(shù)據(jù)值確定等值面的位置和形狀,從而生成三角網(wǎng)格表示的等值面。
? ? ? ? 在論文中因?yàn)镸arching Cubes算法會(huì)生成大量三角形,所以進(jìn)行進(jìn)一步的mesh decimation(網(wǎng)格簡(jiǎn)化),通過減少網(wǎng)格模型中的三角形數(shù)量,盡可能保持原始幾何形狀,也對(duì)于后續(xù)高分辨率網(wǎng)格和快速光柵化渲染相結(jié)合的效果更加顯著,也提高了效率。
四、MeshGS
? ? ? ? MeshGS的網(wǎng)絡(luò)框架分為兩個(gè)部分:初始化Mesh網(wǎng)格,基于Mesh的GS濺射。
1、初始化Mesh網(wǎng)格
? ? ? ? 對(duì)于以往的3DGS方法使用SfM技術(shù)生成的稀疏點(diǎn)云,該論文為了高質(zhì)量渲染,考慮設(shè)計(jì)網(wǎng)格重建初始化3DGS,而非稀疏點(diǎn)云計(jì)算3DGS參數(shù)。
????????首先輸入多視圖圖像和相機(jī)位姿信息利用BakedSDF技術(shù)提取3DSDF幾何表示,其中分別使用兩個(gè)MLP,首先輸入圖像到一個(gè)MLP中提取有符號(hào)距離場(chǎng),之后將
輸入到第二個(gè)MLP中輸出顏色場(chǎng)
。進(jìn)一步將有符號(hào)距離場(chǎng)
與顏色場(chǎng)
結(jié)合得到變換后的
幾何表示。
? ? ? ? 之后利用Marching Cubes算法提取幾何表示,生成三角網(wǎng)格,并通過網(wǎng)格簡(jiǎn)化,減少網(wǎng)格模型中三角形數(shù)量,保持幾何細(xì)節(jié),提高渲染質(zhì)量。
2、基于Mesh的GS濺射
? ? ? ? 基于距離的3DGS濺射:給定一個(gè)mesh網(wǎng)格,考慮在每個(gè)三角形網(wǎng)格的中心位置(視點(diǎn)
)初始化3D高斯濺射,利用對(duì)應(yīng)視角的深度圖來遮擋那些被網(wǎng)格表面遮擋的高斯濺射,且定義網(wǎng)格表面是完全不透明的。
? ? ? ? 另外在訓(xùn)練過程中,評(píng)估所有訓(xùn)練視角中,永遠(yuǎn)不會(huì)被觀察到的位于網(wǎng)格表面后方的冗余高斯濺射將它移除。
? ? ? ? 考慮到真實(shí)場(chǎng)景中重建網(wǎng)格存在偽影,我們的目標(biāo)要拆分成對(duì)待能夠高度重建的讓他表現(xiàn)的更好(緊密綁定),另外的部分保證減少偽影(松散綁定),所以將高斯濺射分為兩類,一個(gè)是緊密綁定在網(wǎng)格表面的(高斯濺射和mesh網(wǎng)格之間距離小于閾值),另一個(gè)是松散綁定在網(wǎng)格表面的(高斯濺射和mesh網(wǎng)格之間距離大于閾值),緊密綁定的高斯濺射被平坦化并與網(wǎng)格表面對(duì)齊,而松散綁定的高斯濺射則用于覆蓋網(wǎng)格失真的區(qū)域。
3、損失函數(shù)
? ? ? ? 損失函數(shù)由四部分構(gòu)成,圖像損失,法線一致性損失,尺度損失,投影損失。
(1)圖像損失:在真實(shí)圖像和渲染圖像中采用L1損失和D-SSIM損失。
????????????????????????????????
? ? ? ? 其中,是原始圖像,
是渲染圖像,
是權(quán)重系數(shù)。
(2)法線一致性損失:確保緊密綁定的高斯濺射的法線與對(duì)應(yīng)網(wǎng)格面的法線保持一致,使得高斯濺射更加貼合網(wǎng)格表面。
????????????????????????????????????????
? ? ? ? 其中,是緊密綁定的高斯濺射的法線,
是對(duì)應(yīng)網(wǎng)格面的法線。
(3)尺度正則化損失:用于控制緊密綁定的高斯濺射,并將其與網(wǎng)格表面對(duì)齊的尺度閾值。正則化最小尺度和最大尺度
。
????????????????
(4)投影損失:用來確保緊密綁定的高斯濺射的中心
,保持在網(wǎng)格表面上的最近點(diǎn)
附近的損失函數(shù)。
???????????????????????
? ? ? ? ????????
總損失:
參考論文:MeshGS: Adaptive Mesh-Aligned Gaussian Splatting for High-Quality Rendering