PhyRecon: 物理合理神经场景重建

提出了一种几何一致的神经隐式表面多视图重建方法，结合多视觉几何约束和稀疏几何结构信息，以优化表面重建质量。

介绍了一种新的分析合成技术，通过鲁棒的粗到细优化和基于物理的可微分渲染，能够重新构建现实世界对象的形状和外观。

利用物理模拟器捕捉人类运动的动力学约束条件，通过基于SDF的交互约束获得准确参考运动。

引入基于物理的模型，提出三种新方法解决外观和几何推断的挑战，为3D场景重建奠定框架。

提出了一种以图形为基础的整体三维人体场景重建方法，适用于机器人导航等应用。

结合深度模型和物理模型的优势，提出一个由三个子神经网络组成的混合框架，快速解决计算重建逆问题。

提出了一种新的混合隐式表面表示方法，建模穿着衣物的人体形状，取得了最先进的3D人体重建成果。

利用几何约束和物理先验提高动态人体重建的质量和稳定性，实现更准确的图像和新视角合成。

提出一种混合场景表示方法，隐式编码点云，结合连续的八叉树概率场和多分辨率哈希网格，提升图像质量和渲染速度。

提出基于截断有符号距离函数的NeRF框架的3D重建方法，结合RGB-D传感器和相机细化技术，得到高质量的空间重建结果。