基于神经隐式场的模糊多视图三维重建

来源：计算机应用研究杂志2025年第2期北京时间：

作者：徐紫慧,王逸群,

单位：重庆大学计算机学院,重庆400000；

摘要：基于神经隐式表面的重建方法因其能高保真地重建场景而受到广泛关注。然而，这些研究主要集中在理想输入的重建上，对于模糊输入重建效果并不理想。为了解决以上问题，提出了Deblur-NeuS，一种基于神经隐式场的模糊多视图三维重建方法。通过引入模糊核预测模块和隐式位移场来模拟模糊过程以重建模糊视图和表面，并为模糊表面增加模糊点云监督，优化隐式表面的学习。在测试阶段移除模糊核模块与隐式位移场，即可直接提取更清晰的几何表面。在模糊数据集上的实验结果显示，重建的表面质量以及图像渲染的质量都得到了显著提升。该方法增强了网络对模糊输入的鲁棒性，能从运动模糊图像中恢复几何表面细节。

关键词：神经隐式表面,模糊多视图,三维重建,