DeepSDF: Learning Continuous Signed Distance Functions for Shape Representation:学习用于形状表示的连续有符号距离函数 NeuS: Learning Neural Implicit Surfaces by Volume Rendering for Multi-view Reconstruction:通过体绘制学习神经隐式曲面用于多视图重建
这里的权重必须满足以下条件: 1、Unbiased无偏性,权重需要在相机光线与物体表面相交点 p ( t ∗ )(即SDF值为0的时候)达到局部最大值。即表面附近的点对最终结果的贡献最大 2、Occlusion-aware感知遮挡,当两个点具有相同的SDF值时,更靠近视点的点对最终输出颜色的贡献应大于其他点。也就是说,空间中出现遮挡的情况,前面的点吸收光线更多,剩下一部分光线供给后面的点吸收,所以前面的权重更大。 最初公式中,直接将s密度代替体密度与T(t)相乘作为权重,虽然满足感知遮挡,但是NerF中的权重不满足第一点,在表面权重不是局部最大值。 下图是和NerF的修改的权重的对比图