VoxNeuS: 通过梯度插值加强基于体素的神经表面重建
原文中文，约500字，阅读约需1分钟。发表于：。采用梯度插值而不是原始解析梯度来消除其间断性的基于体素的轻量级表面重建方法 VoxNeuS 在消除渐变不稳定性的同时，通过几何 - 辐射分离架构处理几何形变，以提高重建质量。
NeuV-SLAM是一种利用神经多分辨率体素构建的定位与建图流水线，具有快速收敛和增量式扩展能力。通过RGBD图像输入，构建多分辨率的神经体素，实现稳健的场景重建和相机跟踪。该方法通过优化体素中的色彩特征和SDF值，提高了场景收敛速度。同时，设计了SDF激活以保持边缘描述的清晰度。通过基于哈希的多分辨率体素管理结构，实现了快速的增量式扩展和低计算开销。在实证评估中，NeuV-SLAM在收敛速度、跟踪精度、场景重建和渲染质量方面表现出卓越效能。
