基于Nerf的三维重建算法Neus初探

目录

介绍

安装

训练开源数据

训练自己的数据

---

介绍

作者提出了一种新的神经表面重建方法，称为NeuS，用于从2D图像输入中以高保真度重建对象和场景。在NeuS中，我们建议将曲面表示为有符号距离函数（SDF）的零级集，并开发一种新的体绘制方法来训练神经SDF表示。我们观察到，传统的体绘制方法会导致表面重建的固有几何误差（即偏差），因此提出了一种在一阶近似中没有偏差的新公式，从而即使在没有掩模监督的情况下也能实现更准确的表面重建。在DTU数据集和BlendedMVS数据集上的实验表明，NeuS在高质量表面重建方面优于现有技术，尤其是对于具有复杂结构和自遮挡的对象和场景。

算法已开源，先把代码扔这了。

github:GitHub - Totoro97/NeuS: Code release for NeuS

安装

git clone https://github.com/Totoro97/NeuS.git
cd NeuS
pip install -r requirements.txt

这是readme中给出的，如果顺利的话说明你安装的很顺利，如果不顺利的话，可以参考我的方法。（顺利的安装千篇一律，不顺的安装各有各的不顺，我的不顺是cuda和pytorch的版本不匹配）

首先还是推荐用conda搭建虚拟环境。

conda create