利用掩模引导的自适应一致性约束改善神经室内表面重建
原文中文，约300字，阅读约需1分钟。发表于：。通过两阶段训练过程、解耦视角相关与视角无关颜色、借助两个新的一致性约束来提高详细重建性能，同时引入关键的掩码方案以自适应地影响监督约束的选择，从而改善自我监督范式下的性能，在合成和真实世界数据集上的实验证明了降低先验估计错误干扰和实现高质量场景重建的能力，并保留了丰富的几何细节。
该研究提出了一种新的详细重建方法，通过两阶段训练过程、解耦视角相关与视角无关颜色、借助两个新的一致性约束来提高性能，并引入关键的掩码方案以自适应地影响监督约束的选择。实验证明了该方法在合成和真实世界数据集上的能力，降低先验估计错误干扰，实现高质量场景重建，并保留了丰富的几何细节。
