Point-Based 3D Reconstruction from Sparse Views under Known Illumination
作者: Magnus Kaufmann Gjerde, Joakim Bruslund Haurum, Jeppe Revall Frisvad, Markus Worchel, J. Andreas Bærentzen, Thomas B. Moeslund
分类: cs.CV
发布日期: 2026-08-20
💡 一句话要点
提出基于透明度的点渲染方法以解决稀疏视图下的3D重建问题
🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)
关键词: 3D重建 稀疏视图 点渲染 光传输 计算机视觉 图形学 优化算法
📋 核心要点
- 现有的稀疏视图3D重建方法在几何形状提取和光传输建模方面存在不足，难以在较少的视图下实现高质量重建。
- 本文提出了一种基于透明度的β表面可微点渲染方法，通过引入透明度显式的伴随光传输公式来优化重建过程。
- 实验结果表明，本文方法在多个合成物体的重建中表现优异，显著降低了Chamfer距离，且使用的表面元素数量远低于现有基线。
📝 摘要（中文）
稀疏视图3D重建通常采用神经隐式表面或密集点基表示法，如高斯喷溅。表面感知喷溅方法通过定向原语和正则化改善提取的几何形状，而RadiosityGS则通过受辐射启发的有限元表面元素形式引入可微光传输。本文提出了一种基于透明度的β表面（beta surfels）的可微点渲染方法。透明度显式的伴随光传输公式为表面元素的几何和外观参数提供了梯度，使得物理基础的光传输能够约束重建。在对五个合成物体进行的实验中，本文方法在评估的基线中实现了最低的平均对称Chamfer距离，相较于最强的点基线减少了28.5%的平均Chamfer距离，同时平均仅使用267个表面元素，约减少了161个原语。方向Chamfer结果进一步显示出相对于相关点基方法的准确性和竞争性完成度。
🔬 方法详解
问题定义：本文旨在解决稀疏视图下的3D重建问题，现有方法在几何提取和光传输建模上存在局限，导致重建质量不高。
核心思路：提出基于透明度的β表面（beta surfels）可微点渲染方法，通过透明度显式的伴随光传输公式为几何和外观参数提供梯度，从而优化重建效果。
技术框架：整体方法包括数据输入、透明度计算、伴随光传输优化和重建输出几个主要模块，形成一个闭环的优化流程。
关键创新：最重要的创新在于引入透明度显式的伴随光传输公式，使得物理基础的光传输能够有效约束重建，显著减少所需的表面元素数量。
关键设计：在参数设置上，使用了267个表面元素，约减少161个原语；损失函数设计上，结合了Chamfer距离和光传输约束，以提升重建精度。
🖼️ 关键图片
📊 实验亮点
实验结果显示，本文方法在五个合成物体的重建中实现了最低的平均对称Chamfer距离，相较于最强的点基线减少了28.5%的平均Chamfer距离，且平均仅使用267个表面元素，显著提高了重建效率和准确性。
🎯 应用场景
该研究的潜在应用领域包括计算机图形学、虚拟现实、增强现实以及机器人视觉等。通过提高稀疏视图下的3D重建质量，能够在实际场景中实现更高效的物体识别和环境建模，具有重要的实际价值和未来影响。
📄 摘要（原文）
Sparse view 3D reconstruction is commonly addressed with neural implicit surfaces or dense point-based representations such as Gaussian splatting. Surface-aware splatting methods improve extracted geometry through oriented primitives and regularization, while RadiosityGS incorporates differentiable light transport through a radiosity inspired finite-element surfel formulation. We propose a differentiable point rendering method based on opacity-bearing beta surfels. An opacity explicit adjoint light transport formulation provides gradients for surfel geometry and appearance parameters, allowing physically based light transport to constrain reconstruction. Across five synthetic objects reconstructed from ten posed views, our method achieves the lowest mean symmetric Chamfer distance among the evaluated baselines and reduces mean Chamfer distance by 28.5% relative to the strongest point-based baseline while using only 267 surfels on average, approximately ~161 fewer primitives. Directional Chamfer results further show improved accuracy and competitive completion relative to related point-based methods. These results show that, in the controlled direct illumination setting, compact beta surfels combined with transport-based optimization can recover surfaces without relying on the tens to hundreds of thousands of primitives used by the evaluated baselines.