$R^2$网格：通过几何和外观精炼的强化学习驱动的网格重建
原文中文，约200字，阅读约需1分钟。发表于：。本研究解决了现有网格重建方法在捕捉精细几何细节和优化渲染质量上存在的不足。我们提出了一种新颖的算法，通过从多视角图像逐步生成和优化网格，并引入在线学习策略以增强视角，最终表明该方法在网格渲染和几何质量方面具备高度竞争力和稳健性。
该论文提出了一种在传统图形管线中将多边形网格资源嵌入逼真的神经放射场（NeRF）体积中的方法，以实现物理一致的渲染和模拟。通过设计网格和NeRF之间的双向耦合，解决了路径跟踪器和标准NeRF之间的颜色空间差异。还提出了估计光源和在NeRF上投射阴影的策略，并与高性能物理模拟器高效集成。
