来源：期刊VIP网 时间：
作者：贺超远;王庆栋;艾海滨;张力;
单位：中国测绘科学研究院;
摘要：针对当前三维场景隐式重建方法存在高频几何细节信息不敏感、编码存储占用高、非表面监督数据依赖程度高等问题，提出一种基于几何复杂度编码的3D场景隐式重建方法。该方法融合了Eikonal正则化约束和基于几何复杂度编码的策略，编码策略通过表面曲率以及查询点与编码点之间的距离权重，从而获取聚焦于几何复杂区域的编码信息，这使得网络能够更好地关注细节部分。结合Eikonal正则化约束，符号距离场的整体结构得到进一步优化，使得模型能够在保持全局一致性的同时，精确捕捉局部几何特征。该方法避免了复杂的非表面监督数据构建，实现局部几何细节特征保留的高精细三维场景重建，同时缓解编码存储占用随重建精细度增加问题。在Thingi32数据集和Stanford数据集上的实验结果显示，本文方法在多项关键指标上均优于现有经典方法，展示了本文方法在3D场景隐式重建方面的有效性。
关键词：神经网络;;符号距离场;;隐式神经表示;;三维重建;;点云
基金资助：国家重点研发计划项目(2023YFB3907600);; 中国测绘科学研究院基本科研业务项目(AR2424)
