随着神经光辐射场（NeRFs）的引入，新视图合成近期取得了很大的进展。在核心上，NeRFs建议每个3D点可以发射光辐射，允许使用可微的体积渲染进行视图合成。虽然神经光辐射场可以准确地表示3D场景用于计算图像渲染，但3D网格仍然是由大多数计算机图形和仿真管道支持的主要场景表示，可以支持实时渲染和基于物理的仿真等任务。从神经光辐射场中获取3D网格仍然是一个未解决的难题，因为NeRFs被优化用于视图合成，而不是在辐射场上强制使用准确的基础几何形状。因此，我们提出了一种新的紧凑灵活的架构，使得从任何NeRF驱动的方法轻松进行3D表面重建成为可能。在训练辐射场之后，我们将体积3D表示简化成有符号表面近似网络，从而使得3D网格和外观的提取变得容易。我们最终得到的3D网格是物理准确的，并且可以在各种设备上实时渲染。
论文链接：http://arxiv.org/pdf/2303.09431v1
更多计算机论文：http://cspaper.cn/