继 NeRF 和 3DGS 之后，“Binary Opacity Grids： Capturing Fine Geometric Detail for Mesh-Based View Synthesis”备受关注。
二进制不透明度网格：捕获基于网格的视图合成的精细几何细节
基于表面的视图合成算法很有吸引力，因为它们的计算要求较少，但它们通常难以重现薄结构。 另一方面，将场景的几何形状建模为体积密度场的更昂贵的方法（例如，NeRF）在重建精细的几何细节方面效果更好。 然而，密度场通常以“模糊”的方式表示几何形状，这阻碍了表面的精确定位。 在这项研究中，我们将鼓励密度场在表面上收敛，同时不影响薄结构的重建能力。 首先，我们使用离散的不透明度网格表示，而不是连续密度场，该表示允许不透明度值在表面上从零不连续地过渡到一。 然后，您可以通过每个像素投射多条光线来模拟屏蔽边界和子像素结构，而无需使用半透明体素来抗锯齿。 第三，通过最小化不透明度值的二进制熵，它鼓励不透明度值在训练结束时变成二进制，从而促进曲面几何形状的提取。 最后，我们开发了一种基于融合的网格划分策略，然后进行网格简化和外观模型拟合。 我们的模型生成的紧凑网格可以在移动设备上实时渲染，与现有的基于网格的方法相比，视图合成质量明显更高。
该领域的技术正在迅速发展。
NeRF 和 3D Gaussian Splat 的细节得到了很大的改进，但我个人很高兴这项技术制作了一个看起来非常方便的 3D 网格。 可以在项目页面上查看的演示也可以在浏览器上找到。
将来会以缩写BOG流行吗？ 期待。