来源：期刊VIP网 时间：
作者：梁涛;赵志浩;杨岸然;贾庆仁;谢孟晨;袁丽红;
单位：河北工业大学人工智能与数据科学学院;国防科技大学电子科学学院;天津先进技术研究院;河北工业大学电子信息工程学院;
摘要：针对点云神经辐射场在重建纹理复杂场景时容易产生伪影、边缘缺陷或者过度模糊的问题，文中提出一种基于Transformer的点云神经辐射场三维重建方法。引入Transformer架构对特征图进行位置编码，赋予网络全局感受野，聚合多视图上下文信息，得到高精度的神经点云位置坐标和置信度，减少重建场景中空洞缺陷部分的出现；设计神经点云特征生成网络，添加自注意力机制，增强神经点云的特征表达能力；通过体渲染网络聚合场景表面相邻神经点后，得到更准确的采样点辐射亮度和体密度，提高重建视图的清晰度，降低伪影效果。实验结果表明，基于Transformer的点云神经辐射场在NeRF Synthetic数据集上，峰值信噪比、结构相似度、学习感知图像块相似度的平均值相较于原始点云神经辐射场分别提升了2.37%、0.83%、10.2%，重建视图的细节特征更加丰富，视觉效果良好。
关键词：点云神经辐射场;;Transformer;;神经点云;;三维重建;;自注意力;;NeRF Synthetic
基金资助：国家重点研发计划（2023YFB3407703）;; 国家自然科学基金项目：基于隐函数的三维实景对象模型实时空间查询与可视化方法（42101435）
